蚁群算法研究评述

对蚁群算法的相关研究领域进行了评述,阐述并分析了蚁群算法的研究进展,重点介绍了蚁群算法及其一系列改进算法的基本原理和应用研究成果,最后从发展重点和未来应用等方面探讨了蚁群算法研究的进一步发展方向.     

基于改进蚁群算法的现代物流运输最优路径规划方法

针对传统方法在物流运输最优路径规划中所规划的路径运输时间比较长的问题,文章提出基于改进蚁群算法的现代物流运输最优路径规划方法。具体做法是在现代物流运输模型中确定井场货物运输路径的冲突点,通过确定运输道路长度、运输时间、运输路径路况等运输逻辑属性,对井场货物运输路径规划问题进行描述,在此基础上利用改进蚁群算法确定现代物流运输路径,并以时间、成本及路况作为约束条件对路径进行约束,选出时间最短、成本最低、路况最好的路径作为现代物流运输最优路径,以此完成基于改进蚁群算法的现代物流运输最优路径规划。实验证明,按照设计方法规划的路径运输时间短于传统方法。     

一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

浅谈加强房地产开发项目的投资管理

迈入新世纪，具有中国特色的住宅开发建设正面临一场新的革命，开发观念倡导以人为本、品牌定位，因此从规划设计、建筑设计、户型设计、建材应用、质量和功能各方面要求越来越高，有加上09年的房地产面临宏观经济及金融风暴影响以及房地产市场的新的变化，房地产公司在项目投资实施全过程，必须采用有效的投资管理，从组织、技术、经济、合同与信息等方面挖掘潜力，降低成本提高项目投资管理质量，可以确保房开公司利润增长的必要手段和途径。     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

项目投资组合的风险决策模型及应用

本文对项目投资组合决策方法进行了总结分析,指出了其中的不足.通过借鉴证券投资组合理论,结合项目投资组合的特点,构建了项目投资组合的风险决策模型,弥补了现有方法的不足,并设计了一种简单的模型求解方法.该模型在保证资金等资源合理配置的前提下,考虑了项目投资的先后顺序,引入了组合风险,在风险承受范围内,实现项目组合收益的最大化.最后,通过一个实例验证了模型的有效性和实用性.     

时间窗口约束下基于改进蚁群算法的协同制造调度研究

与传统调度模式不同,协同制造模式下企业之间的调度模式极其复杂。协同企业间的加工工序路线并不固定,且不同类型产品具有不同的加工路线网络。为此本文针对平衡型、瓶颈型、跳跃型、混合型四类具有典型特点的协同制造网络G_p进行分析和设计;考虑制造企业同类产品合并加工策略,构建基于连续加工量的分段生产成本函数;通过设计合理的订单最早交货时间和最晚交货时间,对订单交货进行时间窗口约束,并在此基础上构建了由制造商生产成本W_c^m、订单等待W_s^k（Q_k, T'_k）和提前完工库存成本W_s^k（Q_k, T″_k）、延期惩罚成本构成W_l^k（Q_k, T'″_k）的目标函数。为求解该模型,创新性将蒙特卡洛思想引入蚁群算法,提高蚂蚁选择合理性,避免局部最优;同时,采用移动窗口[min, max]奖励机制,并且对信息素奖励乘以平衡系数k（N）提高奖励可信度,加快搜索速度并提高求解性能。仿真结果表明,本文构建调度模型合理,可以获得优化的调度结果;同时,本文提出的蚁群改进寻优算法具有良好的求解速度和收敛性,算法具有较好的稳定性。     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。     

基于强化学习PPO算法的上市公司投资组合管理

传统的投资组合管理方法往往依赖于经验规则或数学模型,难以充分利用市场信息和动态调整投资策略。为了解决这一问题,文章提出一种基于强化学习PPO(Proximal Policy Optimization)算法的新方法。使用上市公司的历史数据进行训练和测试,与传统投资策略和其他强化学习算法进行比较,实验结果表明,基于强化学习PPO算法的投资组合管理方法在投资回报率和风险控制方面取得了显著的改进。     

房地产投资项目可行性研究中存在的问题及改进对策

作为项目前期极为重要的工作,项目可行性研究能为其立项、决策等提供保障,在对项目投资进行决策时,可行性研究直接决定着项目的可靠性以及合理性。随着经济水平不断提升,城市化建设不断深入,房地产业发展极为迅速,即便房地产投资项目进行可行性研究,也难免存在问题。就我国现行的房地产投资项目可行性研究,本文将浅析其中的弊端并提出有效的改进措施。     

分支蚁群动态扰动算法求解TSP问题

蚁群优化算法是一种求解组合优化难题的强启发式算法,它利用正反馈和并行计算原理,具备很强的搜索能力。近年来,蚁群优化算法广泛应用于TSP问题的研究。本文提出分支蚁群动态扰动(DPBAC)算法,该算法主要从5个方面对基本蚁群算法做出改进:引入分支策略选取出发城市;改进状态转移规则;引入变异策略改进蚂蚁路径;改进信息素更新规则;引入条件动态扰动策略。实验表明,该算法可以有效改善基本蚁群算法搜索时间较长、容易陷入局部极小等缺点。     

房地产投资的实物期权理论研究回顾与述评

笔者以为:房地产投资的实物期权理论研究从研究范围来看可分为增量房与存量房两大层次;从历史角度来看:自1985年以来,相关研究大致经历了一个从只关注客观变量的传统视角到更多关注主观性变量的现代视角的转变过程.基于此,本文对以往研究作了系统性的回顾、梳理与评论.指出决策的灵活性是把握该领域内研究脉络的一个主线.最后,本文指出了以往研究的局限性并对其发展方向作了展望.     

房地产销售代理承诺合约研究

以普通佣金模式下房地产销售代理商的积极性不能得到有效发挥为切入点,对房地产销售代理承诺合约进行研究。作为研究基点,首先分析了普通佣金模式下销售代理商的工作努力程度以及整个销售供应链和委托代理双方各自的收益。随后,对销售数量承诺销售代理合约进行研究,在承诺合约模型中,引入单价奖惩加固定金额奖惩的综合奖惩措施,通过模型构建和优化分析,得出销售代理商的决策策略和收益。并对两种模式下销售代理商的努力程度和各方收益进行了对比分析,结果表明,承诺合约模式下,销售代理商的努力程度更高,项目产品的销售量更大,各方收益也更大。同时,研究表明单价奖惩加固定金额奖罚的综合奖惩措施比以往单纯的单价奖惩措施对系统更优,可以迫使销售代理商选择较高的努力程度,保证其承诺的实现,从而保证房地产开发商预定目标的实现。最后,通过数值算例对研究结论进行了验证和说明。     

中国和香港房地产泡沫度的实证研究

当前我国房地产泡沫的严重程度成为人们关注的焦点,本文将引入金融中介之前的、一般竞争均衡状态下的房地产价格作为房地产基本价值,实证研究了中国和香港的房地产泡沫度。结果表明,与香港楼市高峰时相比,当前我国总体上的房地产泡沫度并不高,还不足以对我国房地产市场现阶段的健康发展带来严重危害;我国内地省市的房地产泡沫度一般较低,一些沿海地区的房地产泡沫度相对较高。指标法的分析结果进一步支持了上述结论。     

基于信息熵理论的实物期权定价模型及其应用

本文结合实物期权的特点,提出了基于信息熵理论的实物期权定价模型,它根据历史信息和投资者的经验估计期权价格,避免了传统期权定价模型过多依赖于参数选择和假设条件的不足。本文还进一步探讨了该方法与传统期权定价模型间的关系,并合理的解释了企业决策中信息的重要性。最后,结合一个示例,说明了该模型在企业投资决策中的应用价值。     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。     

一种基于小生境熵的自适应混合遗传算法

将熵的概念引入共享机制小生境技术,提出了一种基于小生境熵的自适应混合遗传算法.通过自适应调整小生境半径,改进了共享机制在算法中的作用,提出了用以度量种群多样性的小生境熵的概念.算法通过种群所处的进化世代数及该世代种群的小生境熵,实现了进化参数(交叉、变异概率)的自适应调整.证明了该算法具有强全局收敛性.实验表明,该算法对于解决多模态函数优化问题,具有很好的全局搜索能力和较快的收敛速度.     

基于信息更新的动态资产组合选择

本文研究了不完全信息下风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响。首先,在连续时间下假设资产价格服从随机扩散过程,引入参数不确定性,运用随机控制方法推导出风险资产最优选择的封闭解,给出定性分析。其次,在离散时间下用一阶自回归模型描述风险资产收益动态,基于贝叶斯分析框架,以上证综合指数不同区间段的两个样本做实证研究。结果表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;参数不确定性下的资产组合选择可解释风险溢价之迷。研究说明了在动态资产组合选择过程中应考虑参数不确定性问题。     

基于BP神经网络的城市房屋租赁估价系统设计

利用神经网络的非线性处理能力,结合房屋租赁市场的特性,首次给出了基于BP神经网络的城市房屋租赁估价系统模型,并进行详细的系统分析和设计。所给设计方法对类似的非线性经济系统的走势研判或其相应预测决策具有很好的应用价值。