摘要:针对传统停车场管理系统人工成本高、管理难度大的问题，提出了一种基于信息素优化蚁群算法(Ant Colony Algorithm)的停车场系统；该系统以STM32作为主控制器，终端节点负责数据收集,利用NB-IoT实现数据上传,采用手机APP和云平台对终端节点远程监控,采用粒子群算法为蚁群算法提供迭代初期值指导后，增强了蚁群算法全局搜索能力，改进蚁群算法明显缩短了停车的最短哈密顿回路距离；通过搭建停车场管理系统对该方法的有效性进行验证，该系统可以明显减少用户停车的时间，缩短用户停车距离，满足自动化智能化的生活需要。

摘要:针对烧结机机尾断面气孔特征提取的研究,提出了一种基于OTSU三次迭代RGB颜色通道的多阈值法；为了保证气孔特征提取的准确性和减少图像细节的丢失，采用OTSU法先分别对机尾断面图像的RGB颜色通道3次迭代进行阈值分量计算，再通过RBG三颜色通道占比比值确定权值，计算出一个全局阈值和两个局部阈值进行三阈值图像分割；利用获取的全局阈值将机尾断面图像的火红层和黑矿层进行分割，之后两个局部阈值分别对嵌入在火红层和黑矿层中的气孔进行分割，最终提取出机尾断面的气孔特征；实验表明，方法相较于常规方法能够提取出更多机尾断面的气孔特征及细节，同时提取出的气孔特征轮廓层次感较好，气孔特征提取的准确性较高。

摘要:当粒子群算法(PSO)解决多目标优化问题时，由于PSO有较快的收敛效果，使得种群在寻优过程中多样性不足，易使算法早熟收敛。为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO)。该算法采用自适应网格和混合机制的一种双重维护策略，以保证外部存档中的非劣解分布均匀，避免种群快速退化，影响粒子开发能力；利用混合机制中的加权策略在外部存档的非劣解中确定全局最优样本，增加了种群的多样性，提升粒子飞向真实Pareto前沿的概率；同时，为防止算法停滞，陷入局部最优的问题，还引入一个变异操作对粒子的位置进行动态变异，增强了粒子的探索能力。仿真实验结果表明：所提算法与其他3个国际经典的多目标粒子群算法相比,具有较优的收敛性和多样性,且有较好的空间化效果。

摘要:在极限学习机的非侵入式负荷识别算法中，由于输入权值和隐含层阈值的随机产生容易导致误判，鉴于此，提出了一种改进的遗传算法优化极限学习机方法。对遗传算法中选择算子进行改进，改进方法为求解出个体的适应度值，并按从小到大的顺序完成排序，将排完序的种群等分成4份，按照比例从4份中择优组成新种群，对新种群中剩余个体再从适应度较大的部分中择优；结合爬山法获得优化后的权值和阈值，构建优化极限学习机网络对负荷进行识别；利用MATLAB进行仿真验证，验证结果表明：优化后算法与未优化算法相比，负荷识别的准确率提高了约7.41%，体现了更优的分类性能，证明了该算法对负荷识别的有效性。

摘要:针对准则权重未知的多准则群决策问题，提出了一种新的基于随机优势得到的优先度，在概率不确定语言术语集（Probabilistic Uncertain Linguistic Term Sets，PULTS）环境下，通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价来确定准则权重，基于一致准则法提出的一个新的决策方法，综合考虑了专家在进行决策时的犹豫程度和所给评价本身蕴含的信息，在一定程度上减少了决策过程中的信息丢失。首先，在PULTS环境下，定义了不确定度和得分函数，实现了由语言集到数字的转化，并且利用得分函数确定了专家权重，进而得出综合得分矩阵；其次，将随机优势的定义规则应用到概率不确定语言集优先度的定义中，根据各个准则之间的优先度确定了准则的权重；最后，在一致准则决策法的基础上做了相关改进，并将其应用到了PULTS环境中，通过数值算例验证了新的决策方法的可行性和有效性。

摘要:考虑在带有延迟启动以及两类故障特性的M/M/1排队系统中,顾客应遵循的进队策略和该策略下的社会平均收益，服务台采取延迟启动休假模式，可能发生完全故障和不完全故障两类故障，在系统信息完全可见的条件下，根据线性“获益-损失”函数，给出顾客的预期收益方程，并通过稳态时的系统状态转移图，结合归一化方程求系统的稳态分布，在结尾通过数值例子展示顾客止步策略和社会平均收益关于系统参数的敏感性。

摘要:针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题，提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到，首先用logistic模型产生响应变量的缺失概率，然后对变系数模型的系数函数采用B样条逼近技术，利用缺失概率构建逆概率加权分位数回归的损失函数，得到模型的未知系数函数估计；在模拟研究中，将得到的估计与直接使用完全数据的估计方法进行对比，发现在响应变量随机缺失下，将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好，模拟研究结果表明该方法有效；最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中，研究了空气中二氧化氮浓度与道路车流量和风速之间的关系，得出合理的结论，进一步证明了该方法的合理性。

摘要:集值优化问题是十分贴近实际生活的一类数学模型，具有广泛的应用前景.〖BP)〗 针对集值优化问题近似Henig真有效点，提出在目标集值优化问题的映射及可行域均扰动的情形下，建立C凸集值优化问题近似Henig真有效点的稳定性结果，将近似Henig真有效点的稳定性研究从向量值优化问题推广到集值优化问题中。首先给出集值映射序列ΓC收敛的概念，比较了集值映射序列PainlevéKuratowski收敛与ΓC收敛性之间收敛强弱的关系，发现PainlevéKuratowski收敛弱于ΓC收敛；其次将PainlevéKuratowski收敛应用于建立近似Henig真有效点的稳定性结果中,在扰动集值优化问题的问题数据PainlevéKuratowski收敛到目标集值优化问题的问题数据情况下，获得了集值优化问题近似Henig真有效点的抗干扰稳定性结果，该结果对数值计算分析中集值优化问题近似Henig真有效点的稳定性研究有着重要的理论分析价值。

摘要:针对PM2.5传统点值预测会损失浓度值的波动信息，进而无法充分表示和估计其波动和变化的区间范围，提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法；在结合深度学习和区间多尺度分解方法的基础上，进一步考虑预测误差中隐含的有效信息，建立区间时间序列组合预测模型；该模型能够从随机性较大的时间序列中提取复杂数据特征，解决传统预测方法存在的滞后性以及对误差信息利用不充分等问题；最后，通过实证分析说明该方法适用于具有较大波动的PM2.5区间预测，与已有方法相比具有较高的精确度和良好的适用性。

摘要:大数据时代下收集到的数据常含有异常值或呈现尖峰厚尾以及变量之间具有较强的相关性，针对此问题，结合秩回归和自适应弹性网(Adaptive Elastic-net )提出了一种高效稳健的变量选择方法。此方法的最大优点在于不仅能够有效处理协变量之间的强相关性而且还能克服多重共线性问题，同时能抵抗厚尾分布或异常值的影响，实现稳健的变量选择。在数值计算方面，采用二次近似和牛顿迭代算法以获得新变量选择方法的稳定数值解，仿真实验表明：新提出的方法比现有方法表现更好，特别是对于厚尾分布或异常值的情况。最后，通过对中国重要的股票市场指数——中证100指数的跟踪，进一步表明该方法在有效样本下具有良好的表现。

摘要:针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题，将基于Attention机制的LSTM模型应用于股价预测；以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本，在LSTM模型中引入Attention机制，使模型聚焦于重要的股价特征信息，预测股票第二日的最高价；实证研究发现，相较于MLP，RNN和LSTM模型，基于Attention机制的LSTM模型的RMSE值比基准模型平均降低了3%-45%左右，4种模型对环保企业的预测精度均高于污染企业；随后将空气质量指数，温度和湿度纳入特征，提升反映污染企业和环保企业股价规律相关特征的数据质量，实证结果发现在加入新的特征以后，4种模型在预测上证工业指数和上证环保指数波动趋势时，RMSE值均下降了1%左右。

摘要:随着经济的发展，股票投资进入大众视野，如何选择成分股对股票指数进行跟踪，越来越受到人们的关注，基于此，针对股票指数跟踪问题，提出了利用变系数乘积模型进行变量选择的一种方法。该方法基于B样条函数逼近技术，将LPRE准则和组SCAD惩罚函数结合起来，应用于变系数乘积模型，利用牛顿迭代法和局部二次近似给出了求解估计的实施步骤；为了验证所提方法的有效性，通过数值模拟，将变系数乘积模型SCAD惩罚方法（LPRE-S）与变系数模型最小二乘SCAD惩罚方法（LS-S）的结果进行了对比，为了验证所提方法的实用性，将LPRE-S估计方法与LS-S估计方法应用于深证红利指数，对其股指跟踪预测效果进行了比较；结果表明：LPRE-S估计方法选出真实模型的比率几乎接近1，能更好地达到变量选择的目的，且在股指跟踪中具有较好的预测效果。

摘要:基于现有的普查直接多报估计量，在二重抽样调查下，对样本小区登记人口数梳理分类，构建基于正确登记概率的普查直接多报估计量，以解决前者由于计数对象不确定而造成的多报虚增问题。创新之处在于:构建样本小区下登记人口数的指标体系，提出基于正确登记概率的普查直接多报估计量、发生重报估计量和重报估计量，并将普查直接多报估计量与基于正确概率的普查直接多报估计量进行比较研究。理论研究和实证研究得出：普查直接多报估计值及抽样标准误差都高于基于正确登记概率的普查直接多报估计值及抽样标准误差，〖JP2〗普查直接多报估计量虚增了普查多报人口数，基于正确登记概率的普查直接多报估计量精度更高。

摘要:在讨论协变量和响应变量关系时，常会遇到内生变量，已有关于内生变量的研究大多是在最小二乘目标函数的框架下讨论，然而该方法不具有稳健性，鉴于此，本文采用指数平方损失估计方法，构造模型中回归系数的稳健估计。为了克服内生变量对估计产生的偏差，利用工具变量消除协变量的内生性，再构造回归系数的指数平方损失估计；针对指数平方损失目标函数，提出选取有效的调节参数估计过程；在一些正则条件下，研究所提出估计的渐近正态性；模拟研究比较了朴素最小二乘估计、朴素M估计、朴素指数平方损失估计、基于工具变量的最小二乘估计、基于工具变量的M估计、基于工具变量的指数平方损失估计等6种估计方法，模拟结果表明：本文提出的基于工具变量的指数平方损失估计有效地消除了协变量的内生性，且具有较好的稳健性；最后，利用本文提出的方法分析了孪生双胞胎“收入-教育程度”的数据。

摘要:随着我国养老金制度的逐渐完善，近年来已批准了一项绩效费用安排，作为DC养老金管理计划的管理激励措施，旨在激励管理人员；为了促使管理者们在投资方面做出更多努力，在金融市场中加入了通胀风险的因素，研究了在激励方案下的DC型养老金的最优投资策略；对于动态的资产组合，应用伊藤引理得到资产组合的动力学公式，通过增加一个辅助的劳动资本过程将原始问题转化为等价的自筹资金问题，最后从终端收益中导出最优投资策略，并通过数值分析得出通胀风险和激励方案对最优投资策略的影响；结果表明：在几何布朗运动资产价格动态和CRRA效用函数的设定下，最优投资策略比例呈峰谷分布。