均值_方差_峰度资产组合优化模型，是一种非常好的模型，能广泛应用与各种优化问题中！！！！

市区 urbs是一个优化模型，用于容量扩展规划和分布式能源系统的机组承诺。 它的名字，拉丁语为“城市”，源于其作为城市能源系统优化模型的起源。 从那时起，它已经适应了从邻里到大洲的多种规模。 特征 urbs是用于多商品能源系统的线性规划模型，着重于优化存储大小和使用。 它找到了可能满足多种商品（例如电力）的给定需求时间序列的最小成本能源系统。 默认情况下，按小时间隔的时间步进行操作（可配置）。 多亏了 ，复杂的数据分析才变得容易。 该模型本身非常小，这要归功于它依赖于软件包。 小型代码库包含报告和绘图功能。 屏幕截图 安装 有两种方法可以在Windows下获取所有必需的软件包。 我们建议使用Python发行版Anaconda。 如果您不想使用它，或者已经安装了现有的Python（建议使用3.6版，也支持2.7版），还可以自己下载所需的软件包。 Anaconda / Minicon

为了提高航空企业飞机排班计划的自动化水平，分析了航空企业飞机排班计划编制流程，将这个复杂组合优化问题分解为3个组合优化问题，重点研究了其中的飞机指派优化问题，归纳了要考虑的主要约束条件，以优化理论为基础，针对飞机排班计划优化问题中的关键问题―飞机指派问题建立了飞机指派优化模型，模型考虑了飞机与航班之间在机型、飞行区域、客流量等条件上的匹配要求，并给出了模型约束条件的编码方法，同时根据大量实际生产数据给出相应的惩罚系数表。为求解模型，构造了一种自适应单亲遗传算法，算法选用了适合模型的遗传算子，采用动态调整遗

题是一个公交线路选择的优化问题，考虑到公交乘客路线选择的影响因素有换乘次数、出行耗时和出行费用等多个方面，要得到最佳的公交车线路，就必须综合考虑这些方面，进行多目标规划。 通过对公交乘客出行心理的了解与研究得知：一般乘客对上述的三方面的敏感度最大的是换乘次数，其次是出行耗时，最后是出行费用。

为了解决集装箱堆场装船顺序问题, 根据集装箱船舶和配载的实际情况, 考虑集装箱的航程, 结合集装箱的装载位置, 以集装箱堆场的翻箱率、船舶卸载时的翻箱率以及装船后的稳性为目标, 建立了装船顺序的多目标规划模型, 并基于粒子群算法构造了求解算法, 通过MATLAB进行仿真实验, 数据结果表明, 该模型具有一定的的合理性与可行性。

数学建模最优化方法模型及算法程序实现，这是我参加数学建模常用的模型，与大家共享之

虚拟电厂(VPP)在调度过程中面临多种不确定因素，给决策和系统安全运行带来一定的困难。提出了基于混合随机规划/信息间隙决策理论(IGDT)的VPP调度优化模型，该模型针对电价概率分布描述较为准确、预测精度较高的特点，采用随机规划处理电价的不确定性；针对风光出力概率分布难以精确刻画、预测精度较低的特点，采用IGDT处理风光出力的不确定性，通过赋予风光出力偏差系数不同的权重，解决了IGDT同时处理风光出力不确定性的问题。此外，针对不确定性决策的盲目性和不同策略面临风险程度的不同，引入风险成本量化不同决策方案对应的风险。仿真结果验证了所提模型的有效性。

论文研究-政策对发电企业能源决策的影响及最优化模型.pdf,  论文考虑由可再生能源发电企业和传统化石燃料发电企业组成的电力供应市场, 分析可再生能源电价补贴政策、可再生能源技术研发投入补贴政策、不可再生能源碳排放价格政策的影响, 建立了两类电力企业以自身利润最大为目标的决策模型, 给出了最优解的表达形式. 论文结合我国生物质能源政策, 分析得出: 提高可再生能源技术研发投入补贴率是刺激企业增加技术研发投入的有效措施; 为优化我国能源结构同时增加社会总发电量, 不能将碳排放价格制定过高, 而应重点降低可再生能源的发电成本. 最后, 论文引入由消费者剩余、电力部门总收入、补贴或者税收收入转移、环境损害组成的社会福利函数模型, 构建了基于社会福利最大的可再生能源政策决策模型, 得出我国应加大生物质能源研发投入补贴率、提高碳排放价格实现社会福利最大化. 论文的研究工作和得到的结论对相关部门制定有效的可再生能源政策具有积极的指导意义.

运输方式和运输路径选择问题是影响多式联运时间和费用的关键问题，直接影响承运人和客户的利益。依据运输方式选择和运输路径优化的关系特点，采用主从混合智能启发式方法，构建了运输方式选择和运输路径优化集成模型，给出了粒子群—蚁群双层优化算法求解方案，解决了运输网络多节点、多方式、多路径的集成优化问题。实验结果表明,该方案优于蚁群算法和遗传算法。

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中.