差分進(jìn)化算法的應(yīng)用研究.pdf

1、隨著科學(xué)技術(shù)的快速發(fā)展，在工程研究和社會(huì)生活等眾多領(lǐng)域中產(chǎn)生了大量的信息和各種優(yōu)化問(wèn)題。對(duì)于這些問(wèn)題的分析與解決，成為了各個(gè)領(lǐng)域的迫切需求，例如對(duì)列車節(jié)能的優(yōu)化，投資組合的優(yōu)化，生產(chǎn)調(diào)度的優(yōu)化等。差分進(jìn)化算法作為人工智能優(yōu)化算法的一種，由于其解決不連續(xù)、不可導(dǎo)函數(shù)的能力以及算法本身的其它優(yōu)越性能，對(duì)于其的應(yīng)用研究引起了許多學(xué)者的關(guān)注。本文主要針對(duì)列車節(jié)能以及股票組合優(yōu)化方法進(jìn)行了研究。
　　由于環(huán)保因素,列車節(jié)能優(yōu)化在軌道交通系統(tǒng)

2、中愈加得到學(xué)者的重視。本文在路程與時(shí)間確定基礎(chǔ)上，對(duì)列車節(jié)能優(yōu)化方法進(jìn)行了研究。采用優(yōu)化最大加速、巡航、惰行以及最大減速四個(gè)階段控制點(diǎn)的思想，以能量消耗為目標(biāo)，運(yùn)用單目標(biāo)差分進(jìn)化算法尋找最佳節(jié)能運(yùn)行策略。將軌道坡度變化、列車速度限制、最大加、減速度以及牽引力與制動(dòng)力隨列車速度變化等因素作為約束條件，并且采用兩組實(shí)驗(yàn)來(lái)驗(yàn)證所提方法的有效性。結(jié)果表明。本文所提方法可有效地解決此列車節(jié)能優(yōu)化問(wèn)題，并且對(duì)實(shí)踐操作具有一定程度的指導(dǎo)性。
　

3、　為了使投資者獲得科學(xué)的投資決策，對(duì)股票組合優(yōu)化進(jìn)行了研究。針對(duì)馬科維茨（Markowitz）的均值方差模型中各支股票權(quán)重之和為1的約束，提出了一種新的處理方法。股票權(quán)重在變量范圍內(nèi)隨機(jī)初始化，按降序排列保留權(quán)重值直到之和為1，其余股票權(quán)重全設(shè)為0，解決了運(yùn)用傳統(tǒng)均值方差模型約束處理方法過(guò)程中存在的小頭寸過(guò)多，投資者無(wú)法很好處理的問(wèn)題；另外針對(duì)大規(guī)模股票組合優(yōu)化問(wèn)題，基于非支配排序以及相關(guān)的金融理論知識(shí)，提出了一種大規(guī)模股票組合優(yōu)化的預(yù)