Рассматривается задача формирования портфеля ценных бумаг, как задача бинарной оптимизации. Решение формируется с помощью разработанной модификации метода роя пчел, дополненного процедурой бинаризации с применением различных переходных функций. Исследована эффективность предложенного метода на модельных примерах и решена прикладная задача максимизации доходности портфеля с учетом ограничений на используемые средства и значение риска.
Идентификаторы и классификаторы
В условиях современной экономики вопрос о распределении собственных располагаемых средств является актуальным для владельцев капитала. Инвесторы стремятся принимать решения, которые максимизируют прибыльность их портфеля, одновременно минимизируя его риск в условиях ограниченных финансовых возможностей. Классические задачи Марковица, Блэка, Тобина–Шарпа–Линтнера могут быть решены средствами нелинейного программирования [1,2].
Список литературы
- Бадалова А.Г., Пантелеев А.В. Промышленный риск-менеджмент. М.: Доброе слово, 2018.
- Бадалова А.Г., Пантелеев А.В. Управление рисками деятельности предприятия. М.: Вузовская книга, 2017.
- Пантелеев А.В., Скавинская Д.В. Метаэвристические алгоритмы глобальной оптимизации.
М.: Вузовская книга, 2019. - Macedo M. et al. Overview on binary optimization using swarm-inspired algorithms // IEEE
Access. 2021. Vol. 9. P. 149814–149858. - Lemus-Romani J. et al. Binarization of Metaheuristics: Is the Transfer Function Really Important? // Biomimetics. 2023. Vol. 8. No. 5. 400.
- Crawford B. et al. Q-learnheuristics: Towards data-driven balanced metaheuristics //Mathematics. 2021. Vol. 9. No. 16. 1839.
- Wolpert D.H., Macready W.G. No free lunch theorems for optimization // IEEE Transactions on Evolutionary Computation. 1997. Vol. 1. No.1. P. 67–82.
- Karaboga D., Basturk B. On the performance of artificial bee colony (ABC) algorithm // Applied soft computing. 2008. Vol. 8. No.1. P. 687–697.
- Nouioua M., Li Z., Jiang S. New binary artificial bee colony for the 0–1 Knapsack problem //
Advances in Swarm Intelligence: 9th International Conference, ICSI 2018, Shanghai, China, June 17–22, 2018, Proceedings, Part I 9. Springer International Publishing, 2018. - Pampará G., Engelbrecht A.P. Binary artificial bee colony optimization // 2011 IEEE Symposium on Swarm Intelligence. IEEE, 2011. P. 1–8.
Выпуск
Другие статьи выпуска
Статья продолжает цикл ([1] – [13]) методических разработок авторов. В ней обсуждаются некоторые проблемы, связанные с путями повышения культуры математического мышления студентов-математиков. Авторы опираются ёна опыт работы на факультете информационных технологий МГППУ.
В работе рассматриваются вопросы разработки информационной системы для тренинга самопознания. Определены средства разработки, требования к ним, разработаны основные компоненты системы, получены тестовые результаты.
В статье рассматривается особенности реализации многопоточных промышленных систем, реализующих научные вычисления с помощью средств, доступных в языке программирования Python. Статья содержит описание теоретических аспектов, таких как работа механизма глобальной блокировки интерпретатора (GIL), архитектура управления зависимостями, библиотека параллелизма, основанного на процессах. В практическая часть статьи посвящена реализации многопоточного сервиса распознавания речи, который использует взаимодействие процессов через разделяемую память, на базе библиотеки «boost.interprocess». В результате внедрения описанной в статье архитектуры в конкретном случае удалось существенно снизить нагрузку на процессор.
В статье представлена методология количественной оценки сформированности навыков командной деятельности с использованием схемы треугольника и математических моделей на основе матриц вероятностей переходов. Исследование фокусируется на анализе индивидуальной и совместной согласованной деятельности участников в экспериментальных условиях, заключающихся в работе на тренажере по совместному управлению воздушным судном. В анализе результатов применяются цепи Маркова, что позволяет детализировать динамику выполнения задач, выявляя ключевые аспекты взаимодействия участников. Результаты подтверждают эффективность предложенного подхода для анализа и улучшения координации действий в команде.
Работа посвящена построению и программной реализации вычислительного алгоритма для моделирования процесса диффузионно-дрейфовой природы на основе дробно-дифференциального подхода. Математическая модель сформулирована в виде начально-краевой задачи для дробного по времени и пространству диффузионно-дрейфового уравнения с реакционным слагаемым в ограниченной области. Нецелые производные по времени и пространству рассмотрены в смысле Капуто и Римана – Лиувилля соответственно. Построена модифицированная неявная конечно-разностная схема. В концепции рассмотренной математической задачи приведен пример детерминированной модели процесса зарядки диэлектрических материалов. Разработана прикладная программа, реализующая сконструированный численный алгоритм. На примере решения тестовой задачи проведена верификация полученных результатов.
В статье рассматривается линейная дискретная система с ограниченным управлением. Для системы решается задача быстродействия, то есть требуется построить процесс управления, переводящий систему из начального состояния в начало координат за минимальное число шагов. Если множество допустимых значений управления имеет структуру суперэллипса, то задача вычисления оптимального управления может быть сведена к решению системы алгебраических уравнений. Для множеств произвольной структуры разработан метод суперэллипсоидальной аппроксимации, рассмотрен случай несимметричных множеств. Приведены примеры.
Рассматривается проблема приближенного синтеза замкнутой нелинейной непрерывной системы совместного оценивания и управления. Используется подход, основанный на применении идеи теоремы разделения для линейных динамических систем. При помощи операции факторизации нелинейная система преобразуется к похожей по структуре на линейную системе, а уже к трансформированной системе применяются алгоритмы синтеза оптимального линейного регулятора и наблюдателя состояния, особенностью которых является зависимость матриц, входящих в соответствующие уравнения Риккати, от вектора состояния. Приведен пример синтеза наблюдателя состояния и регулятора, демонстрирующий применение предложенного алгоритма.
Проблема изучения факторов, влияющих на академические достижения обучающихся, не теряет своей актуальности в современной психологической и педагогической науке, в особенности в связи с развитием представлений об образовании как способе развития человеческого капитала, повышения благополучия и качества жизни людей в современном обществе. Академическая успеваемость школьников во многом определяется некогнитивными факторами, включающими личностные характеристики, мотивационные показатели и развитие саморегуляции. Цель представляемой работы – анализ взаимосвязей между некогнитивными предикторами академической успеваемости учащихся средней и старшей школы методом сетевого моделирования. Первичные данные получены с помощью следующих методик: опросник «Стиль саморегуляции учебной деятельности (ССУД-М)», «Шкалы академической мотивации школьников (ШАМ-Ш)», «Отношение к учению в средних и старших классах школы», «Большая пятерка – детский вариант». В качестве показателя академической успеваемости использовался средний балл по русскому языку и математике. Выборку исследования составили 307 обучающихся общеобразовательных школ (37,1 % юноши, возраст: 10–18 лет). В результате исследования проведен расчет описательных статистик по 28 исследуемым показателям, построены и проанализированы сети частных корреляций, описывающие взаимосвязи регуляторных и личностных переменных, а также академической успеваемости обучающихся в 5–6, 7–9 и 10–11 классах школы. Выделены и описаны значимые взаимосвязи между переменными вне зависимости от периода обучения, корреляций в 5–6, 7–8 и 9–11 классах. Показано, что характер взаимосвязей между некогнитивными предикторами и академической успеваемостью изменяется в зависимости от периода обучения. Обнаружено, что успеваемость обучающихся в 5–6 классе значимо прямо связана с показателем открытости новому опыту, тогда как в 7–9 также обнаруживается прямая связь с общим уровнем отношения к учению, а в 10–11 классах – с познавательной мотивацией, нейротизмом и осознанной саморегуляцией. Полученные результаты подтверждают известные взаимосвязи, а также позволяют описать новые, ранее не обнаруживаемые в исследованиях, например, негативная связь академической успеваемости с познавательной мотивацией школьников. В заключении представлены перспективы дальнейших исследований модераторных-медиаторных взаимодействий некогнитивных переменных в их влиянии на академическую успешность обучающихся.
Обеспечение информационной безопасности органов государственной власти требует применение специализированных инструментов, учитывающих существование разных источников информационных угроз, их постоянное изменение, а также проблемы интеграции оценок вероятности их реализации и степени возможного ущерба. Данное исследование направлено на разработку методики анализа угроз информационной безопасности органов государственной власти с помощью нейронных сетей. В исследовании использованы методы машинного обучения, нейросетевого анализа и систематизации. Для достижения задач исследования авторами была адаптирована архитектура MLP, проведена работа по настройкегиперпараметров нейронной сети. Обучение нейронной сети было реализовано на языке программирования Python. Эффективность работы нейронной сети в решении поставленной задачи оценивалась метриками accuracy, precision, recall, f1. Результатами исследования стали: разработка способа формирования набора данных, включающего оценки угроз информационной безопасности органов государственной власти различных видов и источников происхождения, оценка эффективности работы нейронной сети по решению задач классификации органов государственной власти, интерпретация результатов нейросетевого анализа о степени устойчивости органов государственной власти угрозам информационной безопасности.
Издательство
- Издательство
- МГППУ
- Регион
- Россия, Москва
- Почтовый адрес
- 127051, Россия, Центральный федеральный округ, Москва, улица Сретенка, дом 29
- Юр. адрес
- 127051, Россия, Центральный федеральный округ, Москва, улица Сретенка, дом 29
- ФИО
- Марголис Аркадий Аронович (РЕКТОР)
- E-mail адрес
- margolisaa@mgppu.ru
- Контактный телефон
- +7 (495) 6329202
- Сайт
- https://mgppu.ru/