基于递阶遗传算法的多旅行商问题优化*

旅行商问题是一个经典的NP问题,对多人旅行商问题的求解则更具有意义。为了解决所有旅行商路径总和最小为优化标准的多旅行商一类问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题无须设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

组合投资双目标概率准则模型及GASS II算法求解

考虑到中国证券交易的限制规定及现实投资者并非完全理性的决策行为，给出了组合投资收益－损失风险双目标概率准则的整数规划模型。通过证券收益经验分布，应用分层抽样的随机模拟，并结合动态变化算子的遗传算法，构造GASS II遗传模拟混合算法，进行概率准则模型的优化求解。股票相关性由其秩相关系数给出，算法将秩和区间划分相联系，指导分层抽样。GASS II算法能有效刻画收益分布的“高峰厚尾”，激发遗传算法的隐含并行搜索特性，避免早熟现象，提高寻优效率与精度。最后给出了一个投资组合实证分析算例的收益－损失风险有效前沿。     

基于 Multi-agent的库存管理优化

本文研究了供应商库存管理(vendor management inventory，VMI)系统优化问题。利用Multi—agent技术构建了VMI数学模型，VMI模型由三个模块组成，各个模块的功能分别由一个agent实现，借助于遗传算法实现了货物配送最优化。     

基于分层抽样的模拟禁忌混合智能优化算法TSⅡ

将分层抽样随机模拟与禁忌搜索结合，构造了TSⅡ模拟禁忌混合智能优化算法。随机模拟采用缩减方差、加速收敛的分层抽样技术，保证抽样遍布于整个搜索空间，避免禁忌搜索路径往返重复，克服禁忌搜索对初始解的依赖，算法同时使用禁忌表与希望表，将分散搜索与集中搜索相结合，增强算法的并行处理能力，提高寻优的效率与精度。Benchmark问题评测结果显示出了该算法的有效性。     

安全性第一准则下的组合贷款模型

提出了一种在概率准则意义下的组合贷款模型,并设计了基于随机模拟的混合优化算法进行求解。 该算法突破了各种贷款收益率必须服从正态分布的假定,可对贷款收益率是任意分布形式的模型进行求解。 经数值仿真,验证了算法的可行性。     

广义系统的能控、能观性判别条件

该文讨论广义系统能控、能观性问题,给出了广义系统能控和能观性一种新的判别条件.