PBL教学模式探讨

基于问题的学习(Problem-Based Learning,PBL)是一种学生与指导教师、学习伙伴、以及学习资源之间的互动,它与传统教学方法的一个重要区别是PBL在学习知识的同时强调各种能力的培养和运用,如学生的自学能力、思维能力、人际交流能力等.本文对PBL的特点及其构成要素作了较为详细的阐述.     

基于约束的多目标投资组合优化研究

在金融市场上,投资组合决策是一个多目标优化问题,基于传统的方法并不能很好的解决该问题。本文提出了基于多目标粒子群算法(MOPSO)的优化解决方案,实现了对多目标优化问题的非劣最优解集的搜索,实验结果证明了算法的有效性。     

厚尾分布情形下的信用资产组合风险度量

本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题.用多元t-Copula分布来描述标的资产收益率分布的厚尾性,同时将三步重要抽样技术发展到基多元t-Copula分布的资产组合模型中,拓宽和丰富了信用资产组合风险度量模型.同时,并运用了非线性优化技术中的Levenberg-Marquardt算法来解决重要抽样技术中风险因子期望向量估计.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差,从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合VaR值.     

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。     

BAB算法中集成CPT求解job-shop调度问题

CSP(constraintsatisfactoryproblem)的优势在于能够处理复杂约束,获得一个满足约束的解,但难以保证解的质量.OR(operationresearch)的优点是获得最优解或近优解,但它求解复杂约束的优化问题非常困难.CPT(constraintpropagationtechnique)是CSP的主要搜索技术,BAB(branch_and_bound)是OR常用的优化算法.提出了一种将CPT集成于BAB中的混合算法,从一个新的角度解决具有一般性与挑战性的job shop调度问题.其主要特点是,通过在BAB算法中嵌入动态可调的时间窗口约束和加强一致性CPT搜索方法,融合BAB的优化能力和CPT处理复杂约束的能力,提高BAB的优化性能及实际应用能力.实验结果令人满意,证明了算法的有效性.     

改进粒子群优化算法在电源规划中的应用

电源规划是一类复杂、非线性组合优化问题.传统的方法随着规划期的延长,考虑因素的增多,难以有效的进行优化,在实际应用中作用有限.首先,对电源规划优化问题进行了建模.然后,对于粒子群(PSO)的迭代策略进行改进,在此基础上,运用遗传粒子群(GPHA)混合优化算法进行了优化尝试.考虑到电源规划中相关参数众多,在优化过程中引入了虚拟变量对电源规划中的问题进行了简化描述;GHPA算法的适应度评价函数设计中,运用了罚函数的思想,以提高算法优化的效果.最后本文使用某省实际负荷预测和系统负荷实际数据,进行了电源规划方案优化,得到了优化后的电源规划方案,并与普通的遗传算法、粒子群算法以及传统的动态规划算法得到的结果进行了比较.比较的结果显示出了本文提出的算法在优化结果和速度方面具有明显效果.     

基于遗传算法的资源约束型项目调度优化

资源约束型项目调度的优化是一个NP-hard问题,其求解难度随着资源约束项的增多呈指数方式增长,传统的基于Excel表的手工优化方法不能及时计算出有效的资源配置方式,从而影响项目管理人员的资源调度.针对多资源约束型项目调度的优化问题提出基于遗传算法的资源约束型项目调度的优化方法,该算法采用基于活动优先权的十进制编码方式,结合活动的存储邻接矩阵,有效地解决活动调度违例现象;运用优先抢占模式的资源分配方式安排活动资源,避免资源分配中的冲突问题;并为该算法设计了启发式遗传算法的C语言程序,通过计算机的多次迭代运算得出满足资源约束的最优工期.实践结果表明,遗传算法可以快速有效地解决企业项目调度的优化问题,适合在企业项目进度管理中推广运用.     

具有概率分布在线租赁问题策略研究

在经济系统中,决策越来越呈现出在线性特征,传统优化方法在解决这类在线问题时,通常假设未来输入是一随机变量从而寻求概率意义上的最优决策。近年来,在优化领域兴起了一种新的研究方法——在线算法与竞争分析,为解决这类在线问题提供了新的视角,但传统的竞争分析方法有意规避概率分布假设。对于在线租赁决策问题,由于其输入结构简单且具有良好的统计性质,似乎忽略这些有用的信息而只运用标准的竞争比方法分析显然具有不足之处。在本文中,我们将其输入结构的概率分布引入纯竞争分析方法中,从而建立了具有概率情形的最优在线租赁模型,并得到了最优竞争策略及其竞争比。     

自动排课系统的遗传算法探讨

排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题。遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法。     

自动排课系统的遗传算法探讨

排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题.遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法.     

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。     

基于深度强化学习的城市公共交通票价优化模型

本文针对出行需求演化复杂性,首先将票价的优化过程视为智能体在复杂环境中经过不断探索获得最优价格的学习过程;其次引入深度强化学习算法,采用价值函数神经网络拟合出行需求(环境)对票价制定(动作)的反应函数,在不同运输方式间的博弈过程中通过对票价调节动作的奖惩训练其达到决策目标;然后在群体出行决策复杂性刻画方面,基于Logit模型、累积前景理论及Bush Mosteller模型,设计了3种由简单到复杂的出行需求演化场景;最后以现实场景下地铁和公交之间的票价博弈为例,通过数值模拟考察方法的有效性。研究发现：(1)深度强化学习算法在感知出行需求演化复杂性过程中具有良好的票价弹性刻画能力;(2)深度强化学习算法能够针对复杂出行需求给出合理稳定的价格方案,优化地铁(公交)票价后,使不同出行需求模型下地铁(公交)的利润及各出行方式的总体利润均得到显著增长。     

ACO算法在投资组合中的运用

证券投资组合优化是降低投资风险的有效方法之一.该文基于现有的相关文献,并将蚂蚁算法引入证券投资组合优化领域,对Markowitz的资产组合模型进行了必要的改进.在对ACO算法作出相应的定义与描述的基础上,文章运用实例检验ACO算法,结果表明该算法具有较好的收敛性、稳定性和合理性,是求解证券投资组合优化问题的一种较好的方法.     

具有计算复杂性的VCG机制投标策略研究

在组合拍卖的获胜者确定问题(WDP)具有计算复杂性的情况下,研究了相应的VCG机制中投标者的投标策略问题。通过提出2类重要概率,描述了投标者对于VCG机制WDP算法和其真实估价对于组合拍卖分配效率的信念。通过建模分析,揭示了在具有计算复杂性的VCG机制中,上述2类重要概率、投标者获胜后事后效用、跳投标增量与投标策略之间的确定性关系。     

竞争决策算法及其在车辆路径问题中的应用

在分析自然界各种竞争机制和人类社会决策原理的基础上,利用竞争造就优化和决策左右结果的特性,提出了一种能广泛应用于组合优化难题的新型算法———竞争决策算法(CDA),并给出了CDA的通用模型.车辆路径问题(VRP)是一个著名的NP难题,也是物流领域内一个重要的调度问题,利用CDA的通用模型设计了一个针对VRP的快速求解算法,并用该算法求解了VRP标准测试库中的实例,经过大量数据测试和验证,获得了令人满意的效果,其中部分问题的解优于目前公布的最好解.     

PBL和CBL联合教学模式在医古文教学中的应用研究

本文研究以问题为中心的教学模式（Problem Based Learning, PBL）与以案例为基础的教学模式（Case Based Learning,CBL）相结合在医古文本科教学中的应用效果。笔者在教学改革过程中融入PBL和CBL两种西式教学方法,内容与形式的中西合璧改变了传统以教师为中心的课堂模式,营造了积极的课堂氛围,有利于学生深刻掌握医古文的基本理论知识,培养自学能力,塑造医古文课程创新思维模式,提高学生理解古籍知识和运用古代医学语言的能力。     

求解带时间窗的装-卸载问题的概率式禁忌搜索算法

本文介绍一个求解有时间窗的装载—卸载问题的概率式禁忌搜索算法。论文首先回顾了求解VRP、PDP问题的主要方法,介绍了搜索算法的基本概念,给出了基于概率式禁忌搜索的详细算法。初步实验表明新算法优于传统禁忌搜索算法。     

基于三维虚拟世界游戏环境的浸蕴学习的初探

伴随信息技术的发展,教育体系中的在线远程教育不断扩张,成为主流学习手段之一.尽管在线远程教育具有开放性和超越时间和地域等优越性,但是当前的普通在线课程体系由于缺乏导师和学生的面对面互动,显得较为乏味.浸蕴学习(Immersive Learning)依托网络游戏中的3D虚拟环境来克服空间局限,运用虚拟人格形象(Avatar)技术中的形象、语言和动作属性来加强师生交流,能够克服网络教育中非本地化(unlocality)而衍生的系列问题,促进在线远程教育系统建设中的技术瓶颈的解决.     

救灾物资发放问题的动态遗传算法求解

与传统启发式优化搜索算法相比,遗传算法的主要本质特征在于利用了群体搜索策略和简单的遗传算子.群体搜索使遗传算法得以突破邻域搜索的限制,可以实现整个解空间上的分布式信息探索、采集和继承.这篇文章针对救灾物资发放问题进行了研究,建立了此类问题的数学模型,在分析标准遗传算法的基础上,采用设置摆动适应度函数与条件交叉、变异概率的方式设计了动态遗传算法,并通过求解实际问题对标准遗传算法与设计的动态遗传算法计算结果进行了对比.结果表明该算法在一定程度上动态解决了群体由于缺乏多样性而陷入局部解的问题,能够更大概率地得到最优解,可以说是对遗传算法改进方面的一个尝试,结论对于解决类似问题具有较大的参考价值.     

基于下偏度最小化贷款组合优化模型

运用组合偏矩刻画信贷风险原理,以贷款组合下偏度最小化为目标函数,控制商业银行发生重大损失的概率;以组合风险价值VaR为约束条件,控制贷款组合的整体风险,建立基于下偏度最小化贷款组合优化模型。研究表明：下偏度不要求贷款收益服从正态分布,并能够很好地反映收益率分布的“左尾”,降低商业银行贷款组合发生重大损失的概率;同时下偏度可以真实反映贷款的本质,符合投资者的心理,并且可以反映多笔贷款之间的相关联系,解决现有模型的解析能力不足的问题。