基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

基于ES模型的供应链系统风险度量

为了在应对供应链风险的过程中,及时做出正确的决策,文章将期望损失方法引入,建立了供应链风险度量模型;提出供应链收益最大同时风险损失最小的双目标函数,建立双层规划模型,并运用遗传算法进行求解。可以看到,这种基于期望损失方法的双层规划模型,对供应链风险应对决策的确定是切实有效的。     

二维不平衡指派问题模型及其求解

文章通过界定二维指派及不平衡指派问题,针对运输换装过程中货物批数和车辆数不等的情况,建立了二维不平衡指派问题的优化模型,给出了遗传算法进行求解的方法。     

基于遗传算法的复杂平面曲线轮廓度误差评定

针对不规则曲线轮廓度误差评定中存在的问题,提出了一种基于非均匀有理B样条(NURBS)插值与遗传算法相结合的复杂曲线轮廓度评定方法,对离散数据点表示的理论轮廓进行3次NURBS插值反算控制点,建立了理论轮廓曲线的数学模型;采用实数编码的遗传算法求解测量点与理论轮廓曲线位置偏差,消除了由于位置偏差引起的轮廓度评定的不精确问题;阐述了测量点到理论轮廓最短距离的求解算法和步骤。实验结果表明该方法能够快速获得较好的误差评定结果。     

基于高斯过程回归的混合型参数建模及优化

针对小样本情况下混合型参数的复杂作用关系过程建模及优化问题,文章提出基于高斯过程回归和B样条曲线相结合的建模及优化方法。首先采用B样条基函数与其控制顶点的加权求和建立函数型参数模型,然后运用超拉丁方设计对控制顶点与标量型参数进行采样并建立高斯过程回归模型,最后对所构建的模型进行遗传算法寻优。仿真与实证研究表明,该方法能够在可行域内较好地对具有复杂作用关系的混合型参数建模,与传统的实验设计方法相比,该方法能够在可行域内实现全局性最优。     

车间生产调度算法研究

本文对柔性加工路径的车间生产调度问题提出了一种新的算法,即遗传算法与启发式算法相结合的混合算法。经实验结果表明,这种算法可以大大提高企业制造资源的利用率和生产效率。     

信息不完全确定的区域产品模糊区间聚类方法

区域产品分类与选择是区域经济发展中最重要和最基础的工作.在产品选择与分类时,需要确定指标权系数和分类阈值等参数,这在实际应用中是比较困难的.针对这种情况,提出了一种信息不完全确定的区域产品模糊区间聚类方法.该方法构建了指标权系数信息不完全确定的最优模糊区间聚类模型,利用遗传算法和改进的FCM算法联合求解所得优化模型,得到指标权系数、最优聚类中心和最优划分,进而确定各产品所属类别.最后将该方法应用于某区域的产品分类和主导产品的确定中,实例计算说明该方法的可行性和有效性.     

基于移民算子遗传算法的配电变压器优化设计

本文将改进的遗传算法用于求解配电变压器优化设计问题,该方法是将移民算子引入到传统的遗传算法中,克服传统遗传算法在求解工程优化问题时出现的“早熟”现象、收敛效率低等问题．以型号为S9—315／10型配电变压器为例,采用改进的遗传算法对配电变压器进行优化设计,优化结果表明,采用改进的遗传算法能够取得令人满意的结果．     

基于改进免疫遗传算法的神经网络及其在股票预测中的应用

针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度。将该神经网络用于上证指数的趋势预测,仿真结果表明:该神经网络比BP神经网络具有更好的全局收敛性、更高的学习效率和预测精度。