基于复杂网络的非对称交互效应下项目组合风险优化

针对交互效应下的项目组合风险优化问题,以项目间风险具有的非对称交互效应为前提,投资额占比为组合权重,构建基于复杂网络具有非对称交互效应的多项目组合风险优化模型,采用项目重要性指标评价对项目在组合网络中的重要性进行排序,依据项目综合成功概率大小及其对其余项目的交互效应影响程度进行优化,得到风险最小的最优项目组合,利用Matlab编程实现,印证了模型的有效性。     

项目交互耦合网络演化

针对现有文献中较少考虑交互依赖关系对项目组合动态选择影响的问题,借鉴复杂网络理论,提出项目交互耦合网络概念,并从项目收益、资源成本、项目风险、项目状态、交互依赖关系及战略匹配程度等6个方面描述网络演化的影响要素.在此基础上,提出网络生成及调整规则,给出网络稳定状态定义,建立项目交互耦合网络.研究结果表明,与传统模型相比,项目交互耦合网络模型能得到更优的项目组合,能更有效地利用资源,规避风险,提高收益,同时,项目交互耦合网络能更好地了解项目结构,为项目组合管理提供支持.项目组合管理者应对那些节点介数大、聚集系数高的项目即核心项目进行重点扶持与保护,以防这些项目失败后引起其邻节点失败,甚至导致整个项目网络发生级联失败.     

蚁群聚类组合方法的研究

基于蚁群算法的聚类算法已经在当前的数据挖掘研究中得到应用。针对蚁群聚类算法早期出现的缺点,提出一种蚁群聚类组合方法使其得以改进。改进思路是引入K-means作为蚁群算法的预处理过程。通过K-means快速、粗略地确定聚类中心,利用K-means方法的结果作为初值,再进行蚁群算法聚类。有效地解决了蚁群算法早期收敛过慢等问题。     

蚁群聚类组合方法参数M的研究

蚁群算法中参数在不同取值情况下,常常会对算法的性能和求解效率产生重大影响。该文在基于蚁群聚类组合方法的研究基础上,重点研究了蚁群聚类组合方法KMAOC算法中蚁群算法参数蚂蚁数m对KMAOC算法性能的影响,对KMAOC算法中的参数蚂蚁数m分别取值进行实验,通过几组实验验证提供了KMAOC算法中参数蚂蚁数m配置的较好建议。     

一种基于模糊聚类的组合BP网络挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法,并给出了该方法的模型和启发式BP改进算法Heuristicbp,且将其应用于数学函数值预测中,取得了学习时间短和预测精度高的效果,实验证明该方法是有效的,具有较高的实用性。     

直觉模糊集合数据的聚类有效性分析

针对直觉模糊集合数据的聚类有效性问题,给出了一种用于发现最优模糊划分的聚类有效性方法.该方法采用直觉模糊相关度和直觉模糊熵两个重要因子来评价直觉模糊聚类的有效性.其中,直觉模糊相关度通过增加非隶属度参数对模糊相关度进行直觉化扩展,用于评价类与类间相关度的大小,同时加入权重参数解决了样本数据各维特征分配不均匀的问题,而直觉模糊熵用于检验分类结果的可靠性.最后通过实例验证了该方法对于紧致的、良好分离的教据集分类效果理想,其在目标编群、目标识别等信息融合领域有良好的应用前景.     

直觉模糊C-均值聚类算法研究

鉴于直觉模糊集理论作为模糊理论的推广已得到广泛的应用,研究了将模糊C-均值聚类推广为直觉模糊C-均值聚类（IFCM）的途径和方法,分析了现有的几种IFCM算法,并提出了一种基于直觉模糊集的模糊C-均值聚类算法．该算法首先定义了直觉模糊集之间的距离;然后构造了聚类的目标函数;最后给出了聚类算法步骤．将算法用于目标识别,实验结果表明了算法的有效性．     

覆盖聚类算法的应用研究

聚类算法是数据挖掘的核心技术。介绍了几类主要的传统聚类算法，给出了每类算法的基本概念、基本原理、各类表示聚类的算法以及这些算法的特征。然后再提出了一种新的聚类算法——覆盖聚类算法，给出了该算法的具体步骤，并对模糊聚类算法和该算法用实验的方式进行比较，证明了覆盖聚类算法的可行性和有效性。最后分析了当前聚类算法存在的问题和发展方向。     

覆盖聚类算法的应用研究

聚类算法是数据挖掘的核心技术。介绍了几类主要的传统聚类算法,给出了每类算法的基本概念、基本原理、各类表示聚类的算法以及这些算法的特征。然后再提出了一种新的聚类算法———覆盖聚类算法,给出了该算法的具体步骤,并对模糊聚类算法和该算法用实验的方式进行比较,证明了覆盖聚类算法的可行性和有效性。最后分析了当前聚类算法存在的问题和发展方向。     

协同演化算法在聚类中的应用

提出一种协同演化聚类算法,该算法使用改进的掩码方式动态决定聚类中心的数目。将种群划分成两个子种群,分别采用遗传算法和差分进化算法进行演化,遗传算法侧重于全局寻优,差分进化算法注重于局部搜索。在演化的过程中,利用不同的间隔迁移策略相互交换优良个体,使算法的全局探索能力和局部搜索能力得到均衡。通过性能测试、聚类中心数目和运行时间测试等实验证明该算法的优越性。     

A clustering-based review on project portfolio optimization methods

Project portfolio management and optimization constitutes a critical activity for organizations in different industrial sectors and business. The scientific literature in this subject is extremely vast, which makes it difficult to understand the connections among the existing approaches and perspectives. This paper provides a clustering map of the existing work on the subject, thus identifying the main trends and approaches from different scientific communities. After analyzing each of the identified clusters, the paper provides insights and emerging trends that can be useful both for researchers and practitioners in the area.     

软硬结合的快速模糊C-均值聚类算法的研究

讨论的是对模糊C-均值聚类方法的改进,在原有的模糊C-均值算法的基础上,提出一种软硬结合的快速模糊C-均值聚类算法。快速模糊C-均值聚类算法是在模糊C-均值聚类算法之前加入一层硬C-均值聚类算法。硬聚类算法能比模糊聚类算法以高得多的速度完成,将硬聚类中心作为模糊聚类中心的迭代初值,从而提高模糊C-均值聚类算法的收敛速度,这对于大量数据的聚类是很有意义的。用数据仿真验证了这种快速模糊C-均值聚类算法比模糊C-均值算法迭代调整过程短,收敛速度快,聚类效果好。     

考虑多技能人的企业项目组合选择优化研究

基于企业技能人员中存在多技能人的研究背景,建立了具有递阶结构的两阶段项目组合选择优化模型。以所选项目的模糊项目价值最大为优化目标,以多技能人在各技能上的人数分配为决策变量,构建了模糊0-1整数优化模型,采用可能性理论对其进行了确定性转换;根据技能人员在项目中工作锻炼,会形成技能增值的特点,建立了以总技能增值最大为优化目标,技能人员在所选项目中的人数分配为决策变量的整数规划模型。通过设计相应的遗传算法（GA）对模型进行了有效求解。仿真测试显示,所建递阶结构两阶段项目组合选择优化模型,可以在实现企业利益最大化前提下,通过合理的人员调配使人力技能增值达到最大,为企业实现短期和长期利益的有机结合,提供了有效的解决途径。     

基于改进蚁群算法的项目组合工期-成本优化

战略导向下的项目组合工期-成本优化是现代企业进行多项目管理所面临的重要问题之一,对企业实现资源效益最大化有着至关重要的促进作用。以战略导向下的项目组合工期-成本综合值最小化为研究对象,提出了优化组合项目中工序选择和执行次序的数学模型,在引入自适应权重法、调整信息素系数和混沌扰动变量的基础上,设计了求解该优化模型的改进蚁群算法。通过实例运算表明,改进后的蚁群算法,能够有效地提高算法全局搜索寻优能力和收敛速度,在求解战略导向下的项目组合工期-成本优化问题方面有较强的鲁棒性和实用价值。     

Score-hesitation trade-off and portfolio selection under intuitionistic fuzzy environment

Qualitative portfolio selection approach is a suitable technique for obtaining an optimal portfolio when quantitative data are unavailable and traditional portfolio models are ineffective. However, few studies focus on this issue. This study addresses the lack of research by defining the score-hesitation trade-off rule and introducing the intuitionistic fuzzy set (IFS), based on which an intuitionistic fuzzy portfolio selection (IFPS) model is proposed. The IFS is introduced because of its comprehensive consideration of preference and nonpreference, and is used to represent qualitatively evaluated information from investors and experts. Furthermore, an intuitionistic fuzzy investment scenario is established and a trisection approach is designed to distinguish three types of risk investors, based on which three corresponding IFPS models are constructed. After this, a portfolio selection process under the intuitionistic fuzzy environment is provided, and a simple example is given to show the application of the process. In addition, the investment opportunities and efficient frontier of the IFPS model are investigated to demonstrate the effectiveness of the proposed portfolio selection model. Finally, an example of calculating optimal investment ratios and selecting an optimal portfolio for four newly listed stocks in China is provided to demonstrate the feasibility and practicability of the proposed approaches.     

基于模糊聚类的电力供应链安全风险监测研究

在电力供应链安全风险监测中,针对传统方法下的电力供应链稳定性较低的问题,提出一种基于模糊聚类的电力供应链安全风险监测方法,利用模糊聚类算法对电力供应链中存在的不良数据进行辨识,利用不良数据并结合电力供应链的自身特点,建立基于不良数据的电力供应链安全风险识别模型对电力供应链进行安全风险识别,对安全风险识别数据进行归一化处理与分类处理,实现电力供应链的安全风险监测。为了验证该方法下的电力供应链稳定性,与传统方法进行对比实验,得出结果为该方法与基于决策树规则提取的电力供应链安全风险监测方法、基于稳定特征向量的电力供应链安全风险监测方法、基于Relief算法的电力供应链安全风险监测方法下的电力供应链稳定性分别为86.2%、72.2%、63.3%、42.6%,通过比较可知,该方法能够使电力供应链保持较高的稳定性。     

Intuitionistic fuzzy MST clustering algorithms

In this paper, we investigate graph theory-based clustering techniques for Atanassov’s intuitionistic fuzzy sets (A-IFSs) and interval-valued intuitionistic fuzzy sets (IVIFSs). We start by introducing the concepts of graph, minimum spanning tree (MST), A-IFS, and intuitionistic fuzzy distance, and develop two intuitionistic fuzzy MST clustering algorithms ( and ). Then we extend Algorithm II for clustering IVIFSs, and show the effectiveness of our algorithms through some numerical experiments.     

基于加权网络的客户需求聚类方法

针对高端制造业客户需求数据庞大、需求间相关关系复杂的问题,提出了基于加权网络的客户需求聚类方法。将客户需求看做加权网络的节点,将客户需求之间的相关关系看做加权网络的边,构建客户需求的加权网络,并在加权网络的基础上结合聚类算法对客户需求进行聚类处理,从而将杂乱无章的客户需求根据相关程度进行分类。考虑到需求之间关系的主观性和模糊性,采用三角模糊数来量化加权网络的边权,最后以客户对塔式起重机的需求为例对所提出方法的有效性进行了验证。     

Mean-variance model for portfolio optimization with background risk based on uncertainty theory

The aim of this paper is to develop a mean-variance model for portfolio optimization considering the background risk, liquidity and transaction cost based on uncertainty theory. In portfolio selection problem, returns of securities and assets liquidity are assumed as uncertain variables because of incidents or lacking of historical data, which are common in economic and social environment. We provide crisp forms of the model and a hybrid intelligent algorithm to solve it. Under a mean-variance framework, we analyze the portfolio frontier characteristic considering independently additive background risk. In addition, we discuss some effects of background risk and liquidity constraint on the portfolio selection. Finally, we demonstrate the proposed models by numerical simulations.     

基于多Agent和网格技术的煤炭企业项目组合信息管理平台研究

为了解决煤炭企业项目组合各参与方信息平台的异构问题,提出了一种基于多Agent和网格技术的煤炭企业项目组合信息管理平台,给出了该平台的框架、各Agent实体的功能设计及平台运行流程。该平台采用网格技术实现了各异构平台的集成,使得项目组合各参与方可协作工作,并采用多Agent系统将网格环境融合到各异构平台中,实现了各参与方信息平台的统一配置和管理。该平台在某煤炭企业的应用验证了其有效性。