投资组合优化 • 使用MATLAB 进行投资组合优化和高效前沿。 • 该项目是南安普顿大学COMP6212 计算金融课程，第二学期，理学硕士AI 的一部分作业。

贪婪的交通 使用贪婪算法优化交通信号灯

用于HEVC编码器的可扩展视频技术（SVT-HEVC编码器） 用于HEVC编码器的可扩展视频技术（SVT-HEVC编码器）是符合HEVC的编码器库核心，可实现出色的密度质量折衷，并针对Intel:registered:Xeon:trade_mark:可扩展处理器和Xeon:trade_mark:D处理器进行了高度优化。 可在以下位置找到SVT-HEVC的白皮书： : 该编码器已经过优化，可使用12个密度质量预设来达到出色的性能水平（更多信息，请参阅用户指南）。 执照 可扩展视频技术已获得OSI批准的BSD + Patent许可。 有关详细信息，请参见。 文献资料 有关编码器用法的更多详细信息，可以在下面找到： 系统要求 操作系统 SVT-HEVC可以在任何Windows *或Linux * 64位操作系统上运行。 下面的列表代表编码器应用程序和库在其上进行测试和验证的操作系统： Windows *操作系统（64位）： Windows Ser

matlab分时代码电力系统优化 版本：0.0.1 作者：itaoxiaoran 电子邮件： 关于我：您好，我叫ran 。 我是一名研究电力系统优化和深度强化学习的学生。 我想通过这个项目分享我平时学习中的一些作品（理论，代码等）。 该存储库被称为“电力系统优化”，主要是为了将其与电力系统的其他领域（例如稳定性分析，电力电子学等）区分开来。我相信您可以在阅读文献中看到一些方法或算法，但您不知道如何使用该程序来实现它们。 我将以“详细描述+代码”的形式与您分享我所取得的成就，以避免重复发明轮子。 欢迎与我讨论〜 :grinning_face_with_smiling_eyes: 内容 这是一个绝对的预览！ 已经开发了以下功能，正在等待整理和总结。 职能 编程语言或文件格式 预计发布时间 实际发布时间 直流潮流 Python 04/2020 2020年3月23日 交流电流 Python 04/2020 直流最佳功率 Python 12/2020 交流最佳功率 Python 12/2020 多目标最优潮流 Python 05/2020 将Matpower案例文件传输为CSV格式 CSV格式，Python，MATLAB 04/2020 2020年3月22日

投资组合是由一个人或一群人持有的，由股票，债券和银行存款等投资工具组成的金融资产的集合。 在加纳，建立具有标准化优化的投资组合仍然是一个神话，因此，本研究显示了Markowitz模型如何在加纳证券交易所应用，并揭示了精选股票中最有效的投资组合，以减轻投资者的负担。 该研究使用了2011年至2016年股票收益的历史月度数据。 研究显示，GCB Bank limited的平均回报率最高（回报率为4.2％），风险为13.1％，其次是CAL（回报率为3.5％）和11.7％。 UGL的风险最低（风险为6.8％），平均回报最低，为2.1％。 风险爱好者可能会选择GCB和CAL，而完全不愿承担风险的投资者可以选择UGL，因为它具有最低的风险。 两种投资组合的组合还得出结论，最有效的投资组合是GCB和CAL的组合，因此建议风险承受能力的投资者可以将其所有资产投资于GCB，而风险规避投资者可以将其39.21％的资产投资于GCB。 GCB和CAL中的60.79％。 就预期收益而言，CAL和GCB银行有限组合的最高收益约为3.9％，风险为10.6％，其次是TOTAL和GCB组合的预期收益约为3.40％，高风

Portfolio_optimization 实施随机矩阵理论和Markowitz理论进行投资组合优化

微电网matlab代码电源系统优化 该项目包含为与用户合作对微电网能源管理系统进行多目标优化而开发的代码。 包括所有使用的 matlab 代码。 但是，由于版权要求，所使用的数据并未公布。 除了 m.lapp 文件的 .m 版本外，m.lapp 填充无法下载并编译到 matlab 应用程序中，并添加所有 .m 文件，该文件仅用于读取代码。 trafunc6varmoo.m 包含结构解释的附加注释，不再重复

该工具集包含以下文件： 1) MODEparam.m 生成运行 MODE 优化算法所需的参数。 2) MODE.m 运行优化算法。 它实现了基于差分进化 (DE) 算法的基本多目标优化算法： “Storn, R., Price, K., 1997。差分进化：一种简单有效的连续空间全局优化启发式方法。全球优化杂志 11, 341 – 359。” 当一个目标被优化时，标准 DE 运行； 如果优化了两个或多个目标，则使用优势关系执行 DE 算法中的贪婪选择步骤。 3) CostFuntion.m 要优化的成本函数。

化学工程中的许多优化问题涉及整数变量和权衡目标。 解决此类问题的一种方法是使用处理连续和整数变量的算法，例如，BARON 算法（确定性）或 NSGA II（随机性）。此 matlab 代码是 Aspen Plus 蒸馏塔多目标优化的示例，使用NSGA II 算法。 蒸馏塔的模拟在Aspen Plus V8.8 中进行，因为V9 或10 版本中每次交互的模拟时间是V8.8 版本的10 倍。 优化问题陈述： 目标函数 (2) : [min{CAPEX}, min{OPEX}] 优化变量 (3)：[x1=色谱柱级数，x2=回流比，x3：标准化色谱柱进料级] 约束条件：约束条件1 =乙醇的摩尔回收率> 99％； 缺点 2=乙醇摩尔纯度 > 80% NSGA II 设置代数：20 人口：20 注意：请参阅代码“Opt_EthanolColumn.m”以更好地理解 NSGA 算法参数。 运行代

利用iSight对某型飞机进行多学科优化的视频教程示例(超强40多兆)。 了解iSIGHT提供的优化，试验设计，回归建模这三种确定性方法。