对粒子滤波器的若干改进算法

近年,粒子滤波(Particle Filter,简称PF)备受关注,与传统滤波方法相比,它具有简单易行、适用于非线性及非高斯噪声环境的优点,因此被广泛应用于诸多工业领域,如计算机视觉、航空导航及过程监控等。除计算负担较大外,样本贫化现象是PF的最大缺点,尤其对较长时间内维持不变的量(如受故障影响的模型参数)进行估计时影响尤为突出,更易导致PF算法退化,极端情形会导致算法发散。这对将PF应用于故障诊断影响很大。减轻样本贫化影响的最简单方法是加大样本集,但一般难以做到。本文把扩展卡尔曼滤波(EKF)及正则采样算法引入粒子滤波,从而得到了改进算法。     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。     

改进粒子群优化算法及其在CVaR模型中的应用

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法.     

H∞滤波算法在国家财政收入预测中的应用

文章通过建立回归模型,并采用H∞滤波算法对国家财政收入中各分项收入对总收入进行估计预测,结果证明:以各种税收作为变量,运用H∞滤波算法对国家财政收入的预测值和实际值的误差较小,可以运用H∞滤波算法预测国家财政收入.     

中国通货膨胀的预测模型与实证

文章建立了一个带反馈机制多因素随机波动模型来刻画中国通货膨胀动态,基于粒子滤波与MH抽样相结合的贝叶斯方法估计模型参数,并利用粒子滤波方法得到通货膨胀的一步向前预测及随机波动分量的光滑估计.研究表明,与Stock and Waston(2006)的模型相比,带反馈机制的多因素随机波动模型可以刻画经济波动的随机性和经济波动的极端事件,能够较为准确地描述中国通货膨胀的动态行为,从而对通货膨胀可以做出更为准确的预测.     

基于粒子群训练的神经网络股票预测模型

文章将粒子群优化算法用于神经网络预测模型的学习训练,并且将这种方法用于股票预测中.实验结果表明,基于粒子群训练的神经网络学习算法更易于实现,且准确率较高.     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

非线性方程组多根联解的协同进退粒子群算法及其应用

文章构造了自适应惩罚尺度函数,并结合最小二乘法将方程组的求根转化为等价的多峰优化模型,然后在粒子群算法框架下提出了局部协同和进退寻优两种迭代进化策略。局部协同策略保证了所有粒子能通过局部抱团收敛到每个根,局部进退寻优策略提升了寻根的速度和精度。基于这两种进化策略设计的协同进退粒子群（CARPSO）算法有效融合了粒子群算法的全局搜索能力和进退法的局部快速寻优能力。实证分析表明,CARPSO算法能高效和精确地求解非线性方程组的所有根,并在广义Logistic分布的参数估计中,展现出了很高的有效性。     

基于PSO的证券投资组合优化问题研究

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题.粒子群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优,文章将具有智能化且易于实现的粒子群算法应用到证券投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现.     

一种求解基数约束投资组合优化的混合粒子群算法

如何有效求解基数约束投资组合优化问题,已成为金融学界近年来一直研究的热点.文章介绍了一种融合极值优化理论的混合粒子群优化算法(简称eo-PSO),利用极值优化方法(EO)以增强混合算法对搜索空间的挖掘能力,引入混沌变异算子提高粒子群(PSO)的探索能力.通过和其他一些智能计算方法对Markowitz基数约束投资组合优化目标函数的测试,以及应用风险范围理论的比较分析,结果显示混合粒子群算法具有良好的计算性能,其优化解也更具有效性.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

基于粒子群算法的关键链多项目调度管理

关键链在多项目环境中的应用能够改善多项目的执行环境,提升多项目的管理绩效。文章基于现有研究成果,探讨了单瓶颈资源约束下关键链在多项目中应用的基础与步骤,考虑不同项目的重要性及项目完工提前或滞后的奖惩,建立系统总收益最大化目标模型。引入粒子群算法,设计算法流程,对目标模型进行求解。最后,通过算例验证粒子群算法在解决关键链多项目调度管理问题的可行性和有效性。     

粒子群算法在投资组合决策中的应用

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题。本文将具有智能化且易于实现的粒子群算法应用到投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现。     

指定与不指定备选点的配送中心选址-库存模型研究

针对物流企业经常遇到的配送中心只能在指定的备选点中选择的限制,将固定建设成本风险共担选址-库存问题扩展为不指定与指定备选点的可变建设成本配送中心选址-库存模型,构建了二次非线性0-1整数规划模型.结合粒子群算法的特点,分别设计J×J矩阵与I×J矩阵为不指定备选点和指定备选点的可变建设成本配送中心选址-库存模型的初始粒子.在粒子群算法思路、流程指导下,用C++编程,通过C++builder运算.采用Hakimi文章中算例计算,并对运输成本系数β、库存成本系数θ进行敏感性分析.     

多资源多出救点组合应急调度模型

文章以多资源到达配套和缩减出救活动时间为目标,建立了相应的应急资源调度模型,进行了带有网络容量限制的动态路径选择,并用粒子群算法求解出多路径混合配流.数值算例验证了所建立模型的合理性及算法的可行和有效性.     

投入产出结构变动的分析方法研究

 本文在借鉴前沿理论的基础上,试图将投入产出表的更新技术——双边比较算法转为结构变化的分析工具。在本文建立的分析框架中,首先使用双边比例算法得到估计矩阵,然后通过对估计矩阵反向使用RAS算法来分析结构变化中替代效应和制造效应。对于经过双边比例算法滤波后的得到差异矩阵,我们建议计算行向和列向的弗氏范数,以明确引发结构变化的主导因素及其经济学意义。     

基于辅助粒子滤波的DSGE模型识别方法及应用

动态随机一般均衡模型中涵盖无法直接观测的变量,同时跨方程约束涉及复杂的非线性关系使方程的解析估计难以实现。在贝叶斯框架下识别动态随机一般均衡模型,基于状态空间方法建立度量方程和状态转移方程,采用辅助粒子滤波预测条件后验分布,建立贝叶斯误差带描述宏观经济变量脉冲响应函数的动态特征。实际数据分析验证了贝叶斯识别方法的有效性。     

基于混沌PSO优化BP神经网络的碳价预测

随着全国碳排放权交易市场的启动,碳价的预测对碳市场参与者的风险管理具有重要意义。针对BP神经网络收敛速度慢、容易陷入局部极值的弊端,结合混沌的遍历性,构建基于混沌粒子群(CPSO)算法优化BP神经网络的碳价预测模型:利用Elastic Net方法降维,筛选出碳价的主要影响因素;再用CPSO优化BP神经网络的初始权值和阈值训练模型并预测碳价,结果表明:CPSO-BP碳价预测模型的精度和稳定性明显优于传统BP神经网络、粒子群优化的BP神经网络以及果蝇算法优化的BP神经网络。     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

基于改进粒子群优化算法的物流配送中心选址技术

文章同时考虑客户和物流规划部门的利益,构建了物流配送中心地址优化的双层规划模型。提出了一种改进的粒子群优化算法,分别求解双层规划模型的上层模型和下层模型。仿真实例表明了本文方法的可行性和有效性。