简介:存在监控冲突的天基中段预警传感器调度优化是一个动态、高维、复杂多约束的非线性优化问题,其解空间的高维度与状态复杂性直接制约了智能优化算法的运用。本文以任务分解与任务复合优先权计算为基础,通过二级分离机制将解空间维度与状态复杂性降低至适于连续蚁群(continuousant-colonyoptimization,CACO)处理的全局优化形态,构建出相应的优化子路径集.在此基础上,针对监控冲突导致的状态变化特性,从局部搜索递进与募集的角度提出适于传感器调度优化的MG-DCACO(doubledirectioncontinuousant-colonyoptimizationbasedmassrecruitmentandgrouprecruitment)算法,成功将智能优化算法应用于基于低轨星座的天基中段预警中.最后对算法的收敛性进行论证,并通过与已有规则调度算法的对比得出MG-DCACO算法可获得优于规则调度算法的全局最优解。
简介:美国次级债危机引起了全球金融市场的动荡,这使得国内外风险管理者们不得不更加关注由于信用风险带来的种种问题。在我国还没有一种公认的理论或方法能够实际解决信用风险的定价问题。本文力图寻找一种不完全依赖于信用评级的信用风险定价方法,利用市场即时信息而不是历史信息对信用风险溢价进行估算,从而寻找到一套在中国市场具有操作性的信用风险定价方法。本文应用三叉树模拟的方法来构建基于Hull-White模型的信用风险定价模型,并应用市场数据对两类次级债基础衍生品进行了定价。这一研究具有较好的可操作性,对中国信用风险定价研究领域提供了有利补充,为中国证券市场动态信用风险管理提供新的思路和可能的解决渠道。