為解決產(chǎn)業(yè)鏈上各節(jié)點企業(yè)與金融產(chǎn)品復雜多樣的匹配問題,從風險承受力與融資效率視角出發(fā),提出基于0-1背包策略改進離散粒子群算法對雙邊匹配模型進行求解。以企業(yè)風險承受能力要求最小、融資效率最高為目標函數(shù),利用偏好序信息計算出雙邊匹配主體的滿意度,構建了雙邊匹配優(yōu)化模型,并運用改進離散粒子群算法進行求解。該方法簡化了粒子群速度和位移的更新迭代計算方式,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。以新能源汽車產(chǎn)業(yè)鏈為例驗證了算法的運算速度和尋優(yōu)能力,并與傳統(tǒng)算法比較,結果表明改進算法的運算速度和尋優(yōu)能力都得到較大的提高,較好地避免了過早收斂和收斂速度慢的缺陷。
【文章目錄】：
0 引言
1 問題描述及定義
2 基于風險承受能力與融資效率的雙邊匹配優(yōu)化模型
    2.1 指標權重確定和滿意度測算
    2.2 基于風險承受能力與融資效率的雙邊匹配多目標決策模型
3 基于0-1背包策略改進離散粒子群算法
    3.1 0-1背包策略
    3.2 改進離散粒子群算法
    3.3 0-1背包策略離散粒子群算法實現(xiàn)流程
4 算例分析
    4.1 算例選取
    4.2 計算過程
    4.3 結果分析
    4.4 求解方法比較
5 結束語

【相似文獻】

相關期刊論文 前10條

1 呂麗霞;林向雨;;基于標準粒子群算法對熱工模型的辨識[J];電力科學與工程;2014年07期

2 周佳莉;;淺談粒子群算法的應用[J];計算機產(chǎn)品與流通;2019年11期

3 陳建新;崔廣才;;基于改進粒子群算法的函數(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;2017年12期

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

6 張釗旭;王志杰;李建辰;王貴奇;許軍;楊進候;;一種基于模擬退火-改進二進制粒子群算法的測試優(yōu)化選擇方法[J];水下無人系統(tǒng)學報;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;2017年11期

8 朱寶;;基于改進粒子群算法的盾構掘進施工優(yōu)化研究[J];遼寧科技學院學報;2017年03期

9 袁正午;李君琪;;基于改進粒子群算法的云資源調度[J];計算機工程與設計;2016年02期

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

相關博士學位論文 前10條

1 劉天宇;基于協(xié)作學習和文化進化機制的量子粒子群算法及應用研究[D];西安電子科技大學;2017年

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

3 鐘繼如;基于混合粒子群算法的小沖桿試驗預測材料強度的研究[D];華東理工大學;2019年

4 王雪飛;粒子群算法的動態(tài)拓樸結構研究[D];西南大學;2008年

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

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

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

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

9 張頂學;遺傳算法與粒子群算法的改進及應用[D];華中科技大學;2007年

10 張震;骨干粒子群算法及其在電力變壓器設計中的應用[D];浙江大學;2014年

相關碩士學位論文 前10條

1 程源;基于QoS的Web服務的選擇與組合問題研究[D];重慶郵電大學;2019年

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

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

4 耿玲;基于多目標粒子群算法的蛋白質結構優(yōu)化研究[D];上海交通大學;2018年

5 田學剛;港作拖輪調度優(yōu)化研究[D];大連海事大學;2019年

6 張超;粒子群算法與蟻群算法的改進研究[D];西安工程大學;2019年

7 陳濤;基于無標度網(wǎng)絡的改進粒子群算法研究[D];云南大學;2018年

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

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

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

本文編號：2893133