基于直觉模糊集和证据理论的群决策方法

针对属性值和权重均为直觉模糊数的多属性决策问题,提出一种基于直觉模糊集和证据理论的群决策方法.首先,对专家给出的每个方案的属性值和属性权重进行证据合成,在此基础上合成每个方案的所有属性值;然后,基于直觉模糊集相似度确定专家的相对权重,修正方案证据,并合成所有专家证据,得到方案的信任区间,根据信任区间的大小对方案进行排序;最后,通过数值案例验证了所提出方法的有效性和合理性.     

金融集聚、消费升级与经济增长质量

中国经济已由高速增长阶段转向高质量发展阶段。在理论分析金融集聚对经济增长质量的影响以及消费升级的中介作用机理的基础上,基于我国2001-2017年30个省(市、自治区)数据构建动态面板数据模型,实证研究发现金融集聚显著提升了经济增长质量,经过一系列稳健性检验和内生性问题处理后,这一结论依然成立。金融集聚的经济增长质量提升效应存在异质性,金融集聚能够提升东部、中部地区以及制度质量较高地区的经济增长质量,对西部地区和制度质量较低地区的经济增长质量影响不显著。机制研究表明,消费升级是金融集聚促进经济高质量发展的重要渠道。因此,金融服务应以消费升级为主导,在此基础上继续深化市场化改革,同时金融体系内部要根据各地区实际情况建立多层次、多网络且与实际情况相匹配的金融服务体系。     

基于天牛须搜索的粒子群优化算法求解投资组合问题

粒子群算法（PSO）作为一种群智能算法,有效提高了投资组合模型的实用性,但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点,本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO）,并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO）,每个粒子的更新规则源自BAS,在每次迭代中都有自己对环境空间的判断,而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解,从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.