检索结果-维普期刊中文期刊服务平台

鞅的极小算子及加权不等式被引量：1: 1; 作者左红亮《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第4期184-184,共1页; 关键词极小算子权鞅不等式; 在线阅读下载PDF 职称材料

鞅空间上的几何极大算子: 2; 作者左红亮田长安《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2007年第1期215-215,共1页; 关键词几何极大算子极小算子权鞅不等式; 在线阅读下载PDF 职称材料

加权极大-极小随机模糊投资组合模型及实证研究被引量：3: 3; 作者金秀刘家和苑莹《系统管理学报》 CSSCI 北大核心 2015年第1期78-84,共7页; 考虑投资者面临证券市场随机和模糊的双重不确定性,将证券收益率视为随机模糊变量,根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数。利用加权极大-极小算子考虑投资者对期望收益和目标概率的差异要求,构建目标权重... 展开更多; 关键词投资组合随机模糊加权极大-极小算子前景理论; 在线阅读下载PDF 职称材料

钢铁企业合同匹配多目标优化模型与算法被引量：5: 4; 作者胡琨元高政威汪定伟《东北工学院学报》 CSCD 北大核心 2004年第6期527-530,共4页; 针对钢铁企业中存在的合同对库存余材的优化匹配问题,建立了实现余材利用量最大化和匹配损失费用最小化的多目标0-1规划模型·采用模糊决策方法处理两个目标函数,尝试基于群体的增量学习(Population BasedIncreasedLearning,简称PB... 展开更多; 关键词钢铁企业合同匹配多目标优化 0-1规划极大极小算子 PBIL算法模糊决策; 在线阅读下载PDF 职称材料

题名鞅的极小算子及加权不等式被引量：1: 1; 作者左红亮; 机构河南师范大学数学与信息科学学院; 出处《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第4期184-184,共1页; 基金河南省高校青年骨干教师资助计划项目河南师范大学青年科学基金资助项目(2005001); 关键词极小算子权鞅不等式; 分类号 O211.4 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名鞅空间上的几何极大算子: 2; 作者左红亮田长安; 机构河南师范大学数学与信息科学学院; 出处《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2007年第1期215-215,共1页; 基金国家青年基金(10401027) 河南省高校青年骨干教师资助计划项目; 关键词几何极大算子极小算子权鞅不等式; 分类号 O211.4 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名加权极大-极小随机模糊投资组合模型及实证研究被引量：3: 3; 作者金秀刘家和苑莹; 机构东北大学工商管理学院; 出处《系统管理学报》 CSSCI 北大核心 2015年第1期78-84,共7页; 基金国家自然科学基金资助项目(71473033 71372186 +2 种基金 71271047) N130606002); 文摘考虑投资者面临证券市场随机和模糊的双重不确定性,将证券收益率视为随机模糊变量,根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数。利用加权极大-极小算子考虑投资者对期望收益和目标概率的差异要求,构建目标权重不等的加权极大-极小随机模糊投资组合模型,进一步推导模型的最优解。采用实证的方法,研究模型的表型。结果表明:加权极大-极小随机模糊投资组合模型有效边界与均值-方差投资组合模型不一致;加权极大-极小随机模糊投资组合模型可以根据期望收益和目标概率的权重变化,构建符合不同投资者心理需求的投资组合;加权极大-极小随机模糊投资组合模型的投资收益优于均值-方差投资组合模型。; 关键词投资组合随机模糊加权极大-极小算子前景理论; Keywords portfolio random fuzzy weighted max min operator prospect theory; 分类号 F832.0 [经济管理—金融学] F224.9 [经济管理—国民经济]; 在线阅读下载PDF 职称材料

题名钢铁企业合同匹配多目标优化模型与算法被引量：5: 4; 作者胡琨元高政威汪定伟; 机构东北大学信息科学与工程学院; 出处《东北工学院学报》 CSCD 北大核心 2004年第6期527-530,共4页; 基金国家自然科学基金资助项目(70171056) 国家高技术研究发展计划项目(2002AA412010) 辽宁省博士启动基金资助项目(200112020); 文摘针对钢铁企业中存在的合同对库存余材的优化匹配问题,建立了实现余材利用量最大化和匹配损失费用最小化的多目标0-1规划模型·采用模糊决策方法处理两个目标函数,尝试基于群体的增量学习(Population BasedIncreasedLearning,简称PBIL)算法进行求解·结合模型的特点,利用自然数编码表示合同的匹配结果,按照学习概率大小修复不可行个体·通过对应用实例的计算,以及与遗传算法结果的比较,证明该模型和算法是解决合同优化匹配问题较为理想的方式·; 关键词钢铁企业合同匹配多目标优化 0-1规划极大极小算子 PBIL算法模糊决策; Keywords iron & steel plant order matching multi-objective integral programming max-min operator PBIL(Population-Based Increased Learning); 分类号 TF089 [冶金工程—冶金物理化学] F224.3 [经济管理—国民经济]; 在线阅读下载PDF 职称材料