多因素行为证券组合投资决策方法

在现有的行为证券组合理论中,所建立的行为证券组合投资决策模型仅具有理论价值,无法应用于组合投资管理实践;另外其求解算法过于复杂,以至于无法解决大规模行为组合投资决策问题。考虑到因素模型能将各种证券的收益和固定的几个因素的变化联系起来,引入了因素模型对已有的行为证券组合投资决策模型进行了简化,建立了多因素行为证券组合投资决策模型,给出了其算法。     

证券组合模型系数的二次规划求解

首先介绍了证券组合模糊系数,认为是二次规划问题,讨论了Kuhn-Tucker条件,接着在证券组合模型中证券之间的协方差矩阵为正定矩阵及约束为线性约束的条件下,利用Kuhn-Tucker条件将二次规划问题转为简单的线性问题,由于该线性问题的互补性,给出了Lemke转轴算法的理论求解过程,最后给出一实例使得对全过程有更清楚的理解,为证券组合投资的最优化提供科学依据和计算方法。     

修正Lagrangian算法在证券组合模型中的应用

鉴于极大熵法因控制参数太大而会遇到数值计算困难的不足(文献[2])以及修正Lagrangian算法(文献[3])在计算中不需要控制参数太大的优点,采用了修正Lagrangian算法求解极小极大证券组合投资模型,并给出了数值算例。数值结果表明只需控制参数足够大,该算法即可求得有效的证券组合投资方案。     

基于遗传算法的证券组合选择

以证券组合选择为研究对象,讨论寻求高收益、低风险的最佳证券组合.通过对马克维茨投资组合模型的分析,得到一个改进的证券组合选择准则.根据二进制编码遗传算法的适用性及运算特点,给出运算规则及评价函数,用以选择最佳证券组合.实例分析表明,方法操作简单,并能得到有效结果.     

一类模糊证券组合投资的最优模型

为了体现投资者对期望水平的满意度，以最小风险对应的最大方差系数为目标，期望临界收益率为约束，建立一类新的模糊证券组合投资的最优模型。运用模糊优化和进化规划方法，研究新风险概念下的模糊证券组合选择，并给出了其相应算法。     

风险资金分散投资模型及其求解

根据Markowitz的证券组合理论,建立了风险资金的投资组合模型.并且运用Kuhn-Tucker条件与投影算法,提供了一种现实可行的求解模型的思路.     

交易成本和优良资产最优证券组合专门化研究

利用均值一方差模型,研究了具有交易成本和优良资产的证券组合问题,讨论了在具有交易成本前提下投资组合专门化的概念、条件和所需要的信息量,并给出了一种对投资组合专门化实际情况判断的方法。     

H值意义下不允许卖空时优良证券组的筛选

探讨了H值意义下不允许卖空时,优良证券组的筛选策略,给出了可行证券组的定义以及性质,最后得到了市场指数模型下优良证券组合筛选的简便方法.     

可行方向法解证券投资组合优化问题

根据证券投资组合的Markowitz理论,通过赋权的方式将一种双目标规划优化模型转化为单目标模型,设计求解该类问题的可行方向类算法.数值实验表明,该算法的运行效率较高,具有广阔的应用前景.     

证券数减少情形下M-V证券组合特征灵敏度研究

基于均值-方差（M—V）投资组合选择模型，分析了证券市场上不存在无风险资产且允许卖空条件下证券组合特征关于证券数减少的灵敏度．通过引入扰动因子和扰动矩阵，建立了证券数减少时M—V组合模型．同时与原有模型进行了比较，分析了证券数减少对有效前沿的影响．结果表明：证券数减少时M—V证券组合有效前沿向右漂移且开口变大，并给出了相应的经济解释．     

一种LOS环境下的TDOA/AOA数据融合定位算法

提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在视距(LOS)环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

基于遗传蚁群算法的Qos路由约束问题的研究

针对Qos路由约束问题（是一个NP-完全问题,即是一个多项式复杂程度的非确定问题）,设计了一种将遗传算法和蚁群算法优点融合的算法（GA_ACO）.该算法的基本思想是：用遗传算法生成蚁群算法需要的信息素初值,然后利用蚁群算法求得精解.通过NS2仿真表明遗传蚁群算法相比单一的遗传算法和蚁群算法更适合解决Qos路由约束问题.     

蚂蚁算法与拟牛顿法嫁接求解管网数学模型

管网水力计算的问题可归结为联立求解连续性方程、能量方程和压降方程.牛顿法是求解非线性方程组的一个经典方法,但当初值选择不好时,有可能不收敛.将新型的仿生算法———蚂蚁算法引入到求解管网数学模型中.利用拟牛顿法与蚂蚁算法相互之间较强的互补性,提出了求解供水管网微观数学模型的新算法———嫁接法.计算表明,嫁接法结合了蚂蚁算法与拟牛顿法各自的优点,计算速度快,效果良好.     

一种高效处理三维信号的自组织映射算法

针对传统自组织映射算法难以实现三维信号的非线性映射问题,提出三维自组织映射算法。采用二维输入层和三维输出层的神经网络结构,将邻域算法、竞争算法、学习算法和初始化算法的三维自组织映射算法应用于三维立体图像压缩编码。仿真实验表明,三维自组织映射算法的重构图像具有较好的峰值信噪比和主观品质。     

Biogeography based optimization-proximal point algorithm for nonlinear minimax problems

Concerning the discrete nonlinear minimax problems with the convex function as each of its components, a new method, called the biogeography based optimization-proximal point algorithm, is presented. By using maximum-entropy methods, the minimax problem is transformed into the unconstrained optimization problem of the smooth function. The algorithm employs the proximal point algorithm as the outer algorithm, and the biogeography based optimization as the internal algorithm. The proposed algorithm which resolves several minimax problems is global convergent. Preliminary numerical experiments show that the proposed algorithm is an effective algorithm for nonlinear minimax problems.     

求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

一种基于佳点集的类电磁机制算法

提出了一种改进的类电磁机制算法——基于佳点集的类电磁机制算法.该算法运用数论中的佳点集理论构造初始种群;改进了局部搜索算法;运用改造后的公式计算粒子之间的作用力;设计了一种自适应移动算子来更新粒子.实验结果表明,改进后的算法能更快、更精确地收敛于问题的全局最优值.     

改进的模糊边缘检测算法在图像处理中的应用

分析了Pal模糊边缘检测算法,并针对Pal算法提取边缘轮廓不清晰的问题,提出了一种新的模糊边缘检测算法.该算法重新定义了隶属度函数,简化了复杂的变换运算,而且提出了确定模糊增强变换中最佳隶属度阈值的算法.实验结果表明,该算法提高了运算效率,而且提取的边缘比较精细.     

多种遗传算法在函数优化方面的性能比较分析

进行了4种常用的遗传算法（适值函数标定遗传算法、顺序选择遗传算法、两点交叉遗传算法和自适应遗传算法）在求函数最优解问题上的性能比较分析,并采用MATLAB进行仿真。仿真结果表明,除两点交叉遗传算法外,在求函数最优解问题上适值函数标定遗传算法、顺序选择遗传算法和自适应遗传算法均表现出了较好的稳定性,同时所求得的函数最优解均较准确。其中,顺序选择遗传算法在求函数最优解方面性能最好。     

基于kmmeans的量子微粒群动态聚类

k-means算法原理简单、收敛速度快,但易陷入局部最优,且须将聚类的类簇数作为先验知识,为此,引入量子微粒群与k-means算法结合,提出了一种改进的动态聚类算法。改进算法具有量子微粒群的全局搜索能力,且对每个粒子采用k-means进行优化,从而加快算法的收敛速度。通过适应度函数值的调整,算法在聚类中能够搜寻到最优类簇数,这样类簇个数和中心就不受主观因素的影响。实验表明,算法有效。