發(fā)布時(shí)間：2020-11-21 14:24

　　 為解決產(chǎn)業(yè)鏈上各節(jié)點(diǎn)企業(yè)與金融產(chǎn)品復(fù)雜多樣的匹配問(wèn)題,從風(fēng)險(xiǎn)承受力與融資效率視角出發(fā),提出基于0-1背包策略改進(jìn)離散粒子群算法對(duì)雙邊匹配模型進(jìn)行求解。以企業(yè)風(fēng)險(xiǎn)承受能力要求最小、融資效率最高為目標(biāo)函數(shù),利用偏好序信息計(jì)算出雙邊匹配主體的滿(mǎn)意度,構(gòu)建了雙邊匹配優(yōu)化模型,并運(yùn)用改進(jìn)離散粒子群算法進(jìn)行求解。該方法簡(jiǎn)化了粒子群速度和位移的更新迭代計(jì)算方式,有效地減少了算法冗余性,提高了模型求解的收斂速度和精度。以新能源汽車(chē)產(chǎn)業(yè)鏈為例驗(yàn)證了算法的運(yùn)算速度和尋優(yōu)能力,并與傳統(tǒng)算法比較,結(jié)果表明改進(jìn)算法的運(yùn)算速度和尋優(yōu)能力都得到較大的提高,較好地避免了過(guò)早收斂和收斂速度慢的缺陷。
【文章目錄】：
0 引言
1 問(wèn)題描述及定義
2 基于風(fēng)險(xiǎn)承受能力與融資效率的雙邊匹配優(yōu)化模型
    2.1 指標(biāo)權(quán)重確定和滿(mǎn)意度測(cè)算
    2.2 基于風(fēng)險(xiǎn)承受能力與融資效率的雙邊匹配多目標(biāo)決策模型
3 基于0-1背包策略改進(jìn)離散粒子群算法
    3.1 0-1背包策略
    3.2 改進(jìn)離散粒子群算法
    3.3 0-1背包策略離散粒子群算法實(shí)現(xiàn)流程
4 算例分析
    4.1 算例選取
    4.2 計(jì)算過(guò)程
    4.3 結(jié)果分析
    4.4 求解方法比較
5 結(jié)束語(yǔ)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂麗霞;林向雨;;基于標(biāo)準(zhǔn)粒子群算法對(duì)熱工模型的辨識(shí)[J];電力科學(xué)與工程;2014年07期

2 周佳莉;;淺談粒子群算法的應(yīng)用[J];計(jì)算機(jī)產(chǎn)品與流通;2019年11期

3 陳建新;崔廣才;;基于改進(jìn)粒子群算法的函數(shù)優(yōu)化研究[J];電腦迷;2018年01期

4 周慧;;基于粒子群算法的最優(yōu)值求解[J];科技廣場(chǎng);2017年12期

5 鄧廣彪;;改進(jìn)的粒子群算法在云計(jì)算下的數(shù)據(jù)挖掘中的研究[J];科技通報(bào);2017年04期

6 張釗旭;王志杰;李建辰;王貴奇;許軍;楊進(jìn)候;;一種基于模擬退火-改進(jìn)二進(jìn)制粒子群算法的測(cè)試優(yōu)化選擇方法[J];水下無(wú)人系統(tǒng)學(xué)報(bào);2017年03期

7 朱俚治;王興虎;;試談粒子群算法[J];電腦編程技巧與維護(hù);2017年11期

8 朱寶;;基于改進(jìn)粒子群算法的盾構(gòu)掘進(jìn)施工優(yōu)化研究[J];遼寧科技學(xué)院學(xué)報(bào);2017年03期

9 袁正午;李君琪;;基于改進(jìn)粒子群算法的云資源調(diào)度[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年02期

10 江嘉偉;毋文峰;;一種改進(jìn)的粒子群算法[J];電腦編程技巧與維護(hù);2016年06期

相關(guān)博士學(xué)位論文 前10條

1 劉天宇;基于協(xié)作學(xué)習(xí)和文化進(jìn)化機(jī)制的量子粒子群算法及應(yīng)用研究[D];西安電子科技大學(xué);2017年

2 孟麗;粒子群算法及其在分?jǐn)?shù)階系統(tǒng)辨識(shí)中的應(yīng)用研究[D];華北電力大學(xué)(北京);2016年

3 鐘繼如;基于混合粒子群算法的小沖桿試驗(yàn)預(yù)測(cè)材料強(qiáng)度的研究[D];華東理工大學(xué);2019年

4 王雪飛;粒子群算法的動(dòng)態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

5 張靜;基于混合離散粒子群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D];浙江工業(yè)大學(xué);2014年

6 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

7 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

8 薛堯予;群能量守恒粒子群算法及其在發(fā)酵過(guò)程控制中的應(yīng)用研究[D];北京化工大學(xué);2010年

9 張頂學(xué);遺傳算法與粒子群算法的改進(jìn)及應(yīng)用[D];華中科技大學(xué);2007年

10 張震;骨干粒子群算法及其在電力變壓器設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 程源;基于QoS的Web服務(wù)的選擇與組合問(wèn)題研究[D];重慶郵電大學(xué);2019年

2 屈凱龍;基于改進(jìn)粒子群算法的刀具車(chē)間設(shè)施布局及其仿真研究[D];安徽工業(yè)大學(xué);2018年

3 張晶晶;基于改進(jìn)粒子群算法求解常微分方程定解問(wèn)題[D];哈爾濱工業(yè)大學(xué);2018年

4 耿玲;基于多目標(biāo)粒子群算法的蛋白質(zhì)結(jié)構(gòu)優(yōu)化研究[D];上海交通大學(xué);2018年

5 田學(xué)剛;港作拖輪調(diào)度優(yōu)化研究[D];大連海事大學(xué);2019年

6 張超;粒子群算法與蟻群算法的改進(jìn)研究[D];西安工程大學(xué);2019年

7 陳濤;基于無(wú)標(biāo)度網(wǎng)絡(luò)的改進(jìn)粒子群算法研究[D];云南大學(xué);2018年

8 張慶;基于改進(jìn)型混沌映射的粒子群算法及其在天線參數(shù)優(yōu)化中的應(yīng)用[D];云南大學(xué);2018年

9 康朝虎;融合向—位錯(cuò)模型和量子粒子群算法的斷層參數(shù)反演研究[D];長(zhǎng)安大學(xué);2019年

10 李紅魁;基于粒子群算法的公路工程多目標(biāo)成本優(yōu)化研究[D];廣州大學(xué);2019年

本文編號(hào)：2893133