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.     

一种高聚类系数的无标度网络演化模型

考虑到BA无标度演化模型和其它无标度演化模型不能实现真实网络中较大的聚类系数,本文提出了一个高聚类系数的无标度演化模型.模型具有一个可调参数p∈[0,1].通过调节p来调节网络的聚类系数,能使模型与真实网络更加匹配.此外本文还解析导出关于度分布的差分方程,并确定了通过调节p,模型能达到的最大聚类系数.p和γ的关系也利用平均场方法推导出来.仿真结果验证了理论推导所得结论的正确性,同时也揭示了该网络演化模型的一些重要性质,表明网络演化模型能较好的模拟真实网络,特别在聚类系数指标上.     

基于组合设计模式的软件网络演化生长研究

在软件工程中,设计一个健壮、可伸缩并且复杂度尽可能小的系统结构是设计者和研究者最注重的问题。在复杂网络与软件工程结合研究及设计模式的相关理论基础上,分析已有的软件网络演化生长算法与设计模式之间的关系及其应用方法,提出基于组合设计模式的网络演化生长模型,通过实验构造并验证在PaGA(Pattern and Growth Algorithm)生长算法支持下组合模式网络演化模型的生长过程及结构,验证其网络特性和模型的有效性。     

一种基于数据挖掘的量化新增需求代码量的分析方法

需求演化频繁发生于软件项目中,并且在很大程度上影响着软件项目的成败。对需求演化的影响进行准确的估算,将有效地帮助项目管理者降低软件项目失败的风险。其中,如何量化新增需求对软件项目的影响,是一个尤其难以解决的问题。提出一种基于数据挖掘的需求演化影响的量化分析方法,将新增需求与软件项目已有需求进行聚类,对于聚类结果进行分析,能够相对准确地量化新增需求将要产生的代码量。     

基于软件网络的服务自动分类和推荐方法研究

服务的分类和推荐方法对于服务管理和组合都具有重要意义.文中利用服务组合历史,从面向服务软件的结构角度研究了服务分类和推荐方法:提出面向服务软件的软件网络模型,并用于抽象面向服务软件的拓扑结构;利用复杂网络社区发现算法对软件网络进行聚类,从而实现服务的自动分类;利用软件网络描述服务之间的可组合关系及其强度,并基于服务的使...     

面向用户主导问题求解环境的服务组合方法

为提高服务组合的即时性,适应用户业务需求的变化以及服务资源的动态和异构性,提出一种适应用户主导问题求解环境的服务组合方法。探讨了维护服务交互关系的相对稳定性的策略,提出了基于服务相容性的服务聚类规则,基于聚类服务关联图的组合模板构建方法及其最优性的保障手段和组合模板的具体化方法。实验结果表明,该方法可提高服务组合的即时性和适应性,提高服务组合的时间效率。     

基于信任的网络群体异常行为发现

现今大规模网络群体异常事件往往由多个复杂安全事件融合,且这些安全事件之间隐藏着社会化利益与联系,表现出典型的群体性与控制性.对恶意网络群体事件的感知与响应是网络安全管理的重要任务之一.传统的异常检测机制与基于偶图模型的群体异常行为发现方法均未深入分析这些恶意网络行为潜在的社会化关系,且没有考虑交互过程对节点关系的影响.基于此,文中提出一种基于信任的网络群体异常行为发现模型.该模型首先使用网络交互拓扑信息建立网络节点间的信任矩阵;进而结合直接信任度和相关信任度计算网络节点间的相似度,并通过松弛谱聚类算法中的约束条件,增强类数目的自动识别能力,提高节点聚类准确性.实验表明该模型交互能够有效感知网络中的分布式拒绝服务攻击、蠕虫与僵尸网络的异常行为,并对潜伏期内的安全事件行为有较高识别度,同时比基于偶图的行为分类模型具有更高的准确性.     

基于小波聚类的网络用户行为分析

网络用户行为体现为用户使用的网络应用,且用户群体的划分与业务具有密不可分的关系。通过研究用户使用的网络应用来分析用户的行为规律,提出一种基于小波聚类的网络用户行为分析方法。改方法利用小波聚类将数据进行聚类,按照不同的网络业务偏好将用户群体分为不同的网络业务类,实现用户使用网络业务偏好的群体划分。     

基于复杂网络的协同舆情演化模型研究

针对舆情传播中人际关系网络的复杂性和个体邻域的异质性,建立可变聚类系数的无标度网络,在此基础上构建了协同舆情演化模型。通过不同参数下的仿真实验,分别讨论了序参量和网络结构特征对系统磁化率的影响。实验结果表明,序参量更能体现舆情系统的协同效应,比较符合网络舆情演化的实际情况。此外,当网络平均度较小时,提高聚类系数可以有效抑制舆情的传播;当平均度超过临界值时,将促使系统迅速收敛于极端态度,此时聚类系数不再起关键作用。研究结果有助于理解舆情的演化规律,为导控舆情发展提供了理论参考。     

A milp bi-objective model for static portfolio selection of R&;D projects with synergies

This paper presents a multi-objective MILP model for portfolio selection of research and development (R&D) projects with synergies. The proposed model incorporates information about the funds assigned to different activities as well as about synergies between projects at the activity and project level. The latter aspects are predominant in the context of portfolio selection of R&D projects in public organizations. Previous works on portfolio selection of R&D projects considered interdependencies mainly at the project level. In a few works considering activity level information the models and solution techniques were restricted to problems with a few projects. We study a generalization of our previous model and show that incorporating interdependencies and activity funding information is useful for obtaining portfolios with better quality. Numerical results are presented to demonstrate the efficiency of the proposed approach for large models.     

基于战略对应的IT项目组合选择模型

把信息技术项目当作组合来管理可以通过平衡风险和收益来促进企业目标和IT应用的结合,但由于决策信息的不确定性和IT项目目标与企业战略的难以对应,企业面临IT项目组合选择的挑战。构建基于战略对应的IT项目组合选择模型,其中模糊集和模糊层次分析法用来刻画不确定信息和评估IT项目风险、成本及收益,关键成功因素法用来提高IT项目与企业战略的对应,并建立模糊0－1整数规划。利用定性可能性理论把模糊组合选择模型转化为一般可求解的整数规划形式,最后用一个案例说明模型的用法。     

标签传播时间序列聚类的股指期货套期保值策略研究

利用时间序列聚类方法进行股指期货的套期保值,关键要选择合适的聚类方法。本文从新的视角来研究并提高时间序列聚类方法在金融数据分析领域的应用性能,提出一种基于标签传播时间序列聚类的股指期货套期保值模型。该模型以动态时间弯曲为相似性度量方法来构建现货股票网络空间结构,将每只股票看作一个节点,利用标签传播方法将节点划分到不同的簇中,最终实现股票数据聚类。另外,构建最小追踪误差优化模型来确定每支股票在现货组合中的最优权重,从而得到最优组合。实验分别比较新方法和传统聚类方法确定现货组合的追踪误差,结果表明新方法能够提高现货组合的追踪精度,为丰富金融市场投资和管理方式提供新的研究思路。     

考虑战略实现干扰和风险双层关联的项目组合风险应对策略选择模型

项目组合受项目组合风险影响无法有效支撑企业战略实现,企业需采取合适的风险应对策略以保证项目组合成功,但目前缺少项目组合风险应对策略选择相关方法.基于此,首先结合信息熵和球形模糊集分析并测度风险对战略实现的干扰程度;然后使用网页链接分析方法和决策实验与评价实验室方法对项目组合中双层风险间关联强度进行分析测度;接着根据上述过程确定风险优先级,引用组合心理账户和后悔理论建立以决策者综合效用值最大化的项目组合风险应对决策模型;最后通过案例分析验证所提出方法的有效性和实用性.结果表明:1)风险对战略实现干扰程度以及风险间关联关系对应对策略选择均有影响; 2)不同应对预算下,风险对战略实现干扰权重变化对应对决策的影响程度不同; 3)较少关注风险对战略实现干扰的决策者,倾向选择能更多应对关联较强风险的策略集;更多注重风险对战略实现干扰的决策者,倾向选择能更多应对项目组合层级风险的策略集.     

An improved visualization-based approach for project portfolio selection

We propose a 2-step interactive approach for solving a project portfolio selection problem as a single-criterium optimization problem. Our approach innovates by using two coordinated charts: an interactive project timeline with drag-and-drop functionalities for project reallocation in time; and an interactive cost and risk chart that combines line charts and bar charts in order to present multidimensional time-based datasets. We also use bar charts related to the allocation of man-hour resources. These functionalities enable users to refine the model that is fed into optimization software in order to achieve results that better correspond to their expectations. We discuss results of a heuristic-based usability evaluation of our prototype, its use in real scenarios, and present preliminary positive feedback from users.     

基于BP神经网络的软件项目风险评估研究*

为了确定软件开发项目中不确定因素的影响,提出基于BP神经网络的软件项目风险评估模型。首先,构建了软件项目风险识别的TEMP（technology、environment、management、process）模型;其次,在TEMP识别模型基础上建立了包括17种风险指标在内的软件项目风险评估指标体系;再次,利用BP神经网络建立了风险评估模型;最后,通过MATLAB实例证明该风险评估模型的有效性和可行性。     

Fuzzy ART研究及在银行信用风险评估中的应用

探讨了Fuzzy ART神经网络的聚类功能及其参数对网络的影响。提出了一种基于该聚类理论的银行信用风险评估聚类模型。采用ASP.NET+MS SQL Server 2000的B/S构架实现了银行信用风险评估系统。通过上市公司财务数据验证了聚类结果的有效性和合理性。     

An adaptive neuro‐fuzzy system for stock portfolio analysis

We propose an adaptive neuro‐fuzzy inference system (ANFIS) for stock portfolio return prediction. Previous work has shown that portfolio optimization can be improved by using predicted stock earnings rather than historical earnings. We show that predicted portfolio returns can be improved by using ANFIS and taking as input a variety of technical and fundamental attributes about various indices of the stock market. To generate membership functions, we use a robust noise rejection‐clustering algorithm. The neuro‐fuzzy model is tested on portfolios constituted from the Tehran Stock Exchange. In our experiments, the proposed method performs better in predicting the portfolio return than the classical Markowitz portfolio optimization method, a multiple regression, a neural network, and the Sugeno–Yasukawa method. © 2010 Wiley Periodicals, Inc.     

多期证券投资组合问题的区间多目标规划求解方法

投资组合问题主要研究如何将有限的资金合理地分配到不同的金融资产中,以实现收益最大化与风险最小化之间的均衡.然而,证券市场往往具有很强的不确定性,投资者对于证券的期望收益率和风险损失率难以用精确数值描述,区间规划则是处理这类不确定性问题的有力工具.鉴于此,首先基于区间多目标规划建立一个以预期收益率、风险损失率和流动性为目标函数的多期投资组合选择模型;然后通过设计一个定向变异算子,改进基于偏好多面体的交互式遗传算法,并将上述算法的运算机制与所建模型的多期特性相结合以求解模型;最后在不确定交互进化优化系统上进行实证分析.实验结果表明,所提出算法能够根据投资者的不同需要得到相应最满意的多期资产组合.