一种组合证券投资风险最小化的迭代算法

提出了一种组合证券风险最小化的迭化算法，证明了其收敛性，该算法操作简便，避免了最优投资比例计算中的矩阵求逆问题，并且在不允许卖空情况下，不会增加计算的复杂性，文中同时还给出了不允许卖空情况下组合证券风险最小化的线性规划模型。     

组合投资的数学模型

为了研究能使风险最小、收益最大的最优组合投资问题,首先建立了多目标规划模型,并利用约束法将该多目标规划问题转化为单目标规划问题。用单纯形法求解,得出在给定风险损失率下的最大收益率,并根据这些数据拟合风险收益曲线（该问题的有效解集的有效边界）。为了寻找最优组合投资方案,给出一种确定无差异曲线的方法,该无差异曲线能体现投资者决策准则。无差异曲线与风险收益曲线的公切点所对应的组合投资方案即为所寻求的最优     

一种基于最小风险假设检验的图像盲水印算法

数字水印技术是数字作品版权保护的重要手段,为了增强水印的安全性和鲁棒性,提出一种基于最小风险假设检验和人眼视觉特性的彩色图像盲水印算法.首先对原始图像进行小波分解,然后利用人眼视觉特性,在图像的中频系数中嵌入水印,在提取水印时,利用最小风险假设检验知识进行水印的提取.实验结果表明,该方法能够较好地抵抗一些常见的图像攻击,具有较强的鲁棒性和不可见性.     

一种基于预测信息的时间依赖网络路径规划算法

对时间依赖路网最短路径规划算法的研究是车辆动态导航技术领域研究的热点之一。针对最小时间规划算法存在的不足,在研究SPFA（ShortestPathFasterAlgorithm）静态规划算法的基础上,结合两种算法的优点,提出了一种改进的基于路况预测信息的最小时间路径规划算法,并通过实例进行了验证。结果表明,新算法能够提供实时、高效、预测性强的规划路径,在城市交通中能较好满足用户需求。     

基于模拟退火算法的电源规划

针对电源规划最优方案设计问题,利用模拟退火算法和等微增率模型对优化目标进行了合理探讨。为了取得经济上的正确评价,将不同时刻的资金折算为同一时刻的资金进行了比较。在系统峰值负荷增长30%等条件下规划增装机组的类型和数量,使用模拟退火算法经过多次计算得出一组较优解。为了得到典型日第12 h和第24 h现有系统各机组的最优负荷分配方案,利用等微增率模型进行求解,并采用模拟退火算法提高数据的精度,最终实现了电源规划方案的优化。     

基于风险分散策略的房地产投资决策方法研究

基于控制和分散房地产投资风险的目的,考虑降低房地产投资风险的多种策略,建立了房地产投资决策的多目标规划教学模型,以解决房地产投资优化分配问题,此模型对提高房产投资决策水平的是参考价值的。     

证券组合投资模型研究

证券投资是一种高风险的投资行为。文章综合考虑证券投资的收益、风险，建立了目标规划的组合证券投资决策模型。该模型运算简便实用性强。     

含交易费用投资组合模型的建立

交易费用是证券投资过程中的一个重要问题,也是投资者在金融市场所要考虑的一个重要因素,忽视交易费用的存在也许将导致非有效的证券投资组合。本文分别给出了考虑交易费用的投资组合MV模型、MAD模型以及MM模型,对交易费用我们采用能反映交易费用边际特征的非线性凹函数,讨论模型的特点,并对相应模型的求解方法进行讨论。     

基于CWAA算子的投资组合决策模型

建立了CVaR度量下基于CWAA算子的投资组合决策多目标规划模型,通过引入风险收益的权衡因子,将模型转化为混合整数规划模型,证明了两个模型解的等价性,通过算例说明了模型的有效性和实用性。     

基于风险价值的投资组合风险度量研究

风险价值(VaR)管理技术是一种用来评估和计量金融市场风险的统计学模型及方法。从理论上简要地阐明了VaR风险管理技术的原理,探讨了其在证券投资组合风险度量中的应用。介绍了VaR风险管理技术被金融界广泛应用的优点,同时也指出了作为一种风险计量方法所存在的缺陷。     

阻垢剂的合成与性能研究

以马来酸酐、丙烯酰胺、丙烯酸甲酯为单体，水为溶剂，过氧化二苯甲酰（BPO）为引发剂合成一种白色丝状固体共聚物阻垢剂，主要研究该阻垢剂对含CaCO3模拟水的阻垢效果，分析了阻垢率与阻垢剂用量、pH、Ca^2＋浓度、碱度、恒温温度以及恒温时间之间的关系及不同温度下的钙容忍度的变化量,结果表明：在pH=6，Ca^2＋的浓度（CaCO3）或碱度（HCO3^-）的浓度为250mg／L，在80℃的温度下恒温10h，阻垢剂用量为8mg／L时，阻垢率高达96％，而在80℃的温度下，钙容忍度可达到800mg／L．该阻垢剂是一种性能优良的水处理阻垢剂，可广泛应用于各类循环冷却水处理．     

基于改进Q-learning算法的输电线路拟声驱鸟策略研究

日益频繁的鸟类活动给输电线路的安全运行带来了极大威胁,而现有拟声驱鸟装置由于缺乏智能性,无法长期有效驱鸟.为了解决上述问题,本文提出基于改进Q-learning算法的拟声驱鸟策略.首先,为了评价各音频的驱鸟效果,结合模糊理论,将鸟类听到音频后的动作行为量化为不同鸟类反应类型.然后,设计单一音频驱鸟实验,统计各音频驱鸟效果数据,得到各音频的初始权重值,为拟声驱鸟装置的音频选择提供实验依据.为了使计算所得的音频权重值更符合实际实验情况,对CRITIC (Criteria Importance Though Intercrieria Correlation)方法的权重计算公式进行了优化.最后,使用实验所得音频权重值对Q-learning算法进行改进,并设计与其他拟声驱鸟策略的对比实验,实验数据显示改进Q-learning算法的拟声驱鸟策略驱鸟效果优于其他三种驱鸟策略,收敛速度快,驱鸟效果稳定,能够降低鸟类的适应性.     

基于双模式变异策略的改进遗传算法

针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于套利定价理论的发电商最优交易组合策略

电力市场中,电价在资源优化配置中起决定性的作用;由于现货市场与远期合约市场中的电价均具有实时波动性,两个市场间的电价相对稳定是市场内所有参与者实现交易的必要条件。当两个市场中的电价出现明显的价格差异时,套利机会将会产生。针对这种两市场中的价格差异现象,发电商在决策初期,必须考虑现货市场与远期合约市场间的套利机会。本文首先提出用历史数据预测交易时段内两个市场间的各种电价差异水平的概率,剖析套利机会产生的成因与演化规律;其次,提出用套利定价理论指导发电商建立面向两个市场的交易组合模型,目标为夏普比率最大,即:在尽量降低风险的同时,获取更多的期望收益。通过求解模型,发电商可以确定在两个市场中的最优交易组合策略。     

基于块对角算法的MIMO系统资源调度策略

提出一种基于块对角算法的多输入多输出系统空时二维资源调度策略．通过空域注水算法对功率进行分配，并通过时域各用户功率和比特的动态调整，把资源分配从空间维扩展到空时二维，在一定的时间周期内。各用户的数据速率满足服务质量需要。同时不再受块对角算法用户数必须小于基站天线数的限制，仿真表明．改进的块对角算法能够大大提高多用户多输入多输出系统的功率效率，并且保证用户问的公平性。     

基于随机二层规划的不确定电力市场中交互式模糊竞价决策方法

针对不确定的电力现货市场中发电商选择合约电量及合约电价,售电商确定合约电量及其现货交易量使他们获得最大经济效益的问题,建立了随机二层规划的理论模型,并在此模型的基础上提出了交互式模糊决策求解算法,从而探讨了不确定的电力现货市场中的竞价策略,得到了发电商和售电商关于长期合约交易与现货交易之间的进行最佳选择策略的方法.最后用实例验证了提出的模型和算法.     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值（VaR）约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

基于遗传算法的移动Agent迁移策略研究

在详细介绍移动Agent的基础上,基于遗传算法探讨了一种移动Agent的迁移策略.该策略能为移动Agent规划出一组最佳的迁移路径,使得移动Agent能适应复杂的动态网络坏境,并及时自主地修改迁移路径.最后仿真了一个实例,通过对实例的分析,验证了该算法能使移动Agent更好地适应动态迁移环境,寻找到最短路径,提高迁移效率.     

基于自适应步长策略的A*算法路径规划优化

针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决