基于HMM遺傳算法的預(yù)測方法研究.pdf

1、隨著人工智能和電子商務(wù)的發(fā)展，供應(yīng)鏈走進(jìn)人們的生活，正在不斷地引起人們的注意。預(yù)測在供應(yīng)鏈中處于核心的地位，特別是對于銷售價(jià)格的預(yù)測。然而供應(yīng)鏈中銷售價(jià)格的預(yù)測又是一個(gè)十分復(fù)雜的問題，傳統(tǒng)的預(yù)測算法無法滿足其要求。目前，由于隱馬爾可夫模型作為經(jīng)濟(jì)預(yù)測中的研究熱點(diǎn)，同時(shí)進(jìn)化算法又在不斷發(fā)展和壯大，所以供應(yīng)鏈中的價(jià)格預(yù)測是以隱馬爾可夫?yàn)樾碌难芯克悸?，以進(jìn)化算法為理論基礎(chǔ)。
　　首先，本文以隱馬爾可夫理論和遺傳算法為基礎(chǔ)，提出隱馬爾可夫

2、與量子遺傳算法的組合預(yù)測模型。由于隱馬爾可夫預(yù)測模型對初始參數(shù)有較強(qiáng)的依賴，單獨(dú)采用該模型預(yù)測精度不高，為此本文綜合考慮了組合預(yù)測模型的發(fā)展前景，引入?yún)f(xié)同演化算法中分而治之的思想，將隱馬爾可夫與遺傳算法相結(jié)合。但遺傳算法在多次迭代的情況下，容易引起收斂速度過慢、早熟，陷入局部極值最優(yōu)等問題。對遺傳算法的這種不足，本文選取的量子遺傳算法能夠有效的改善這些問題。
　　然后，本文將隱馬爾可夫量子遺傳算法應(yīng)用到股票市場，選取雅虎財(cái)經(jīng)網(wǎng)站上