论文部分内容阅读
本文对用于组合优化的若干智能计算方法进行了理论和应用研究。重点研究了基于克隆选择的Memetic算法对车间作业调度问题的求解,广义染色体遗传算法对旅行商问题的求解,蚁群优化算法对广义旅行商问题的求解,基于核的主成分分析方法对房地产公司绩效的评价等问题。具体内容包括:(1)针对车间作业调度问题,提出了一种基于克隆选择原理的Memetic算法。该算法采用了一种基于操作的编码方法和一种新的重组操作,分别设计了一种基于克隆选择和模拟退火原理的全局搜索和局部搜索方法。(2)对广义染色体遗传算法的特性进行了分析,给出了广义染色体长度的界限和编码空间大小的分析,并验证了广义染色体遗传算法求解经典旅行商问题(Classical Traveling Salesman Problem,CTSP)的可行性。(3)提出了一种用于求解广义旅行商问题的扩展蚁群优化算法。该方法引入了遗传算法中的变异过程和局部搜索技术,以避免算法收敛于局部极小值。(4)提出了主成分分析与自组织映射的混合模型(Principle Components Analysis and Self-Organizing Map, PCA-SOM),该模型首先利用主成分分析(Principal Components Analysis,PCA)建立公司财务状况综合评价模型,然后利用自组织映射网络(Self-Organizing Map,SOM)模型对上述财务状况评价模型的有效性进行检验。最后,将一类非线性映射函数应用于主成分分析中,形成了一种新的核主成分分析(Kernel Principle Components Analysis, KPCA)模型。该模型在上市公司综合绩效评价中取得了较好的应用效果。