线性规划新解法[1]中的新的分解算法

作者在1987年提出了线性规划新解法^[1].本文提出一种线性规划的新的分解算法,这种分解算法不同于Dantzig-Wofe的分解算法。     

目标规划问题的解法研究——递归LU分解的高功率解法

系统设计与运行中许多复杂的决策问题,常可表示为多目标数学规划模型。在众多的求解方法中,目标规划法是最有力的工具之一。本文在过去反复迭代法中,导入递归 LU 求解的思想,推出了高速,计算误差影响小的目标规划算法,并给出了一个算例。     

三元组稀疏矩阵快速转置C语言算法

三元组稀疏矩阵的快速转置算法在《数据结构》课程中是一个难点,这里给出三元组稀疏矩阵的转置算法详细讲解,并给出C语言算法的源程序。     

三元组稀疏矩阵快速转置C语言算法

三元组稀疏矩阵的快速转置算法在<教据结构>课程中是一个难点,这里给出三元组稀疏矩阵的转置算法详细讲解,并给出C语言算法的源程序.     

预测型线性规划理论及应用

本文在文献[1]~[6]的基础上,针对顶测型线性规划问题的不完菩性,运用参数线性规划理论与方法对其最优解及其性质进行讨论,并得出了一些新的结论,不仅为预侧型线性规划作了一些理论探讨,而且在实际应用上也提供了一些解该规划的方法与具休算法,文章最后以一应用实例给予示范。     

多目标线性规划的一种新的几何解法

作者在[1]中,提出了一种线性规划的新解法,在[2]中又提出了一种关于求解线性不等式组AX≤b的构造性新解法。在本文中将[1]、[2]中的方法用于多目标线性规划,得到一种求解多目标线性规划的新的几何解法。同时得到了在多目标线性规划中推广了的Kuhn-Tucher原理。得到主要定理如下：对于多目标线性规划： 本文的目的在于制造一套新的求解的算法,无须用任何繁复的单纯形表格。只须从一个单目标线性规划的最优解出发,即可逐次求出所有有效极点,然后再求其整个有效解集,本文应用了文献[4][5]中的大量例题,以便于参照对比。     

作业车间的模糊动态调度问题研究

本文针对作业车间的模糊动态调度问题,给出了该问题的生产系统描述、建模,给出了基于工件到达时间三角模糊数的计算确定重调度时段划分点的模糊动态调度策略,通过一种基于时间分解的策略将作业车间的模糊动态调度问题转化为一系列不一定被完全执行的静态模糊子调度问题求解。针对模型的求解给出了改进的G&T算法,将改进的基于关键路径的邻域交换技术引入遗传算法变异算子的设计,改善了算法解的局部寻优能力。仿真实验结果表明,本文给出的作业车间模糊动态调度模型是正确的,提出的算法有效,且动态调度策略具有鲁棒性。     

多车型确定性动态车辆调配问题

详细地描述了多车型确定性动态车辆调配问题.建立了问题的线性规划模型,鉴于线性模型的缺点,构造一个线性函数来近似目标函数中未来时段部分,从而建立起问题的时空分解模型,把问题从时间和空间上分解为多个单时段单节点问题,并根据单时段单节点问题的特点设计简单的排序求解方法.最后给出了问题的完整求解过程,从而使问题能够得到有效解决.     

炼钢连铸生产调度问题的两阶段遗传算法

将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。     

基于电商承诺送达机制的多目标低碳MDVRP优化研究

针对存在多配送站的电商物流配送问题,首先,考虑实际装载量对物流配送过程中车辆燃料消耗量的影响,建立燃料消耗量模型,并结合电商平台的承诺送达机制,构建配送延迟时间函数。随后,提出了以最小化物流成本和延迟收货时间的多目标多配送站车辆路径规划问题,建立该问题的混合整数规划模型。再次,采用基于分解的多目标遗传求解算法对问题进行求解。该算法采用矩阵编码的方式,设计了基于贪婪搜索策略的启发式初始化方法,考虑到贪婪搜索策略容易陷入局部最优的劣势,在算法迭代过程中,允许部分不可行解存在以扩大解空间的搜索范围,并进一步设计了遗传算法的交叉和变异算子。最后,以具体物流配送案例进行数值实验,实验结果表明所设计的算法对求解本文模型是有效的。     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

Decentralization in Linear Programming Models

This paper proposes a decomposition of a linear programming problem based on the structure of the optimal basis matrix. If this matrix contains a zero matrix of appropriate dimensions, the problem may be decomposed into a price-setting problem and a quantity-setting problem. This decomposition is valid for a set of coefficients of the problem to be determined by parametric programming. It can be applied to problems with common constraints or common variables. An application to dairy production planning is discussed and a comparison with the Dantzig-Wolfe decomposition principle is given.     

条件异方差动态Nelson-Siegel利率期限结构模型及其应用

动态Nelson-Siegel(DNS)利率期限结构模型将方差设定为常数,不能刻画收益率序列的条件异方差,降低了数据拟合和预测能力。本文用GARCH模型设定DNS模型观测方程条件异方差,基于适应状态空间模型用广义自回归得分(GAS)设定转移方程条件异方差矩阵,提出具有时变方差的GAS-DNS模型,将Rapisarda等的矩阵分解方法应用于协方差矩阵分解及再参数化保证协方差矩阵的正定性。采用中国银行间市场13种期限国债收益率数据进行实证分析,极大似然比检验表明,将DNS模型误差项方差矩阵时变化能够显著提高模型的对数似然值;以MAE、RMSE、MAPE和TIC为标准进行比较,显示GAS-DNS模型的收益率曲线样本内拟合效果和样本外预测能力均比DNS模型有显著提高。本文提出的GAS-DNS模型是对DNS模型的实质改进,鉴于利率期限结构模型和利率预测在实际应用中的重要性,本文的模型改进具有应用价值。     

数据分类中的特征选择算法研究

本文应用半正定规划支持向量机模型,将核函数特征子空间的组合作为核映射矩阵,提出一种新的将特征选择整合在数据分类过程中的学习算法。首先,将样本按其特征进行分组,计算每组样本子集的核矩阵;然后将这些核矩阵线性组合后加入基于半正定规划的支持向量机模型中,利用半正定规划支持向量机学习器求解得到各子特征空间的权重系数,其次,根据特征权重系数建立特征贡献度和支持度用于特征选择并控制分类准确率、特征数量和对不同类别样本的分类能力;最后根据最优分类准确率、最少特征数量、最佳泛化能力三项不同目标计算所对应的特征数量和分类结果。实证中采用医学、植物学、文本识别和信用等领域数据以及人工数据集比较该方法和SFS、Relief-F以及SBS算法的特征选择效果。结果表明,在实际数据中,本文提出的方法不但能够保持较好的分类学习效果,而且可以比SFS、Relief-F以及SBS特征选择算法的特征子集数目大幅减少;在人工数据中,该方法可以正确地选出真正的特征,去除噪声特征。     

A New Dynamic Programming Decomposition Method for the Network Revenue Management Problem with Customer Choice Behavior

In this paper, we propose a new dynamic programming decomposition method for the network revenue management problem with customer choice behavior. The fundamental idea behind our dynamic programming decomposition method is to allocate the revenue associated with an itinerary among the different flight legs and to solve a single‐leg revenue management problem for each flight leg in the airline network. The novel aspect of our approach is that it chooses the revenue allocations by solving an auxiliary optimization problem that takes the probabilistic nature of the customer choices into consideration. We compare our approach with two standard benchmark methods. The first benchmark method uses a deterministic linear programming formulation. The second benchmark method is a dynamic programming decomposition idea that is similar to our approach, but it chooses the revenue allocations in an ad hoc manner. We establish that our approach provides an upper bound on the optimal total expected revenue, and this upper bound is tighter than the ones obtained by the two benchmark methods. Computational experiments indicate that our approach provides significant improvements over the performances of the benchmark methods.     

The coordination of short-run decision-making with long-range planning

The dichotomy of short-run and long-run decision-making in economic enterprises has gained widespread acceptance, both in practice and in the related literature despite the inherent interdependence of these decisions. The problem addressed in this paper deals with the proper coordination of short- and long-run planning. Structuring the overall decision problem of the firm as a dynamic programming problem, we find that a natural decomposition into long- and short-range planning results. In this decomposition, all decisions which must be made in the first segment of the planning period are allocated to the short-run decision-makers and all subsequent decisions to the long-range planners. Though several formats have been suggested in the literature for linking short- and long-run plans, most notably the use of shadow prices and of targets or quotas, we find that from a conceptual viewpoint these are inadequate mechanisms and that the proper connection involves the dynamic programming return function.     

国内外原油价格关系的动态分析

以2000年1月~2006年12月国内原油和国际原油现货FOB月价格为变量,分析了两者的动态关系:首先,通过Johansen和Juselius的极大似然法对2个变量进行了协整检验,结果显示2个变量之间可能存在动态均衡关系;其次,通过G ranger因果检验和建立误差修正模型对两者的动态均衡关系进行了检验,证明这2个变量间存在均衡关系;然后,运用脉冲响应函数和预测误差分解技术对这种动态均衡关系进行了分解,分析了国内外原油价格之间的相互作用机制和影响程度。在此基础上,从我国石油价格形成机制方面讨论了增强国内原油价格对国际原油价格定价的发言权、避免国际原油价格的波动风险的途径。     

基于β系数优化的动态投资组合策略研究

本文提出一种股票动态投资组合策略，首先通过上升和下降贝塔来优选行业，然后在选择的行业中构造股票投资组合。对于股票投资组合，利用均值方差投资组合模型作为内核，通过引入参考时间窗口和持有期限窗口两个外生参数构建动态的均值-方差模型，并实证检验了模型的可行性。然后再经过多项业绩评价指标对比分析得出动态投资组合策略的收益明显优于被动投资策略，这种动态投资组合策略能够获得部分超额收益并且具有更好的可靠性。本研究为投资者提供了一种定量的投资组合管理方法，并从侧面验证了我国股市的非有效性。     

AHP决策模型在怒江流域水电能源开发评价中的应用研究

本文以AHP决策理论为基础,针对水能资源开发对整个流域生态环境影响较大的特点,建立了一种新的标度矩阵和量化决策模型。该模型基于流域梯级开发环境影响因子的变化特性,提出量化AHP决策模型方法,以怒江流域水电能源开发方案为例,进行评估决策。在充分考虑对整个流域生态环境影响的前提下,对开发方案进行评价与决策,实证研究表明所建立的量化AHP决策模型效果良好。     

定价核之谜与概率权重函数

采用期权及标的资产价格数据, 基于离散时间EGARCH模型和连续时间GARCH扩散模型分别估计了客观与风险中性密度, 进而推导了经验定价核. 在此基础上, 基于等级依赖期望效用模型, 在标准的效应函数形式下构建了相应的概率权重函数. 采用香港恒生指数及其指数权证价格数据进行实证研究, 结果表明: (1) 经验定价核不是单调递减的, 而是展现出驼峰(非单调性), 即“定价核之谜”;(2) 经验概率权重函数展现S型, 表明市场投资者低估尾部概率事件, 高估中、高概率事件;(3) “定价核之谜”可以由具有标准效用函数与S型概率权重函数的等级依赖期望效用模型解释。