安全技术-网络信息-认知无线电与协同网络的资源优化策略.pdf

加权和和ε约束方法在多目标优化中的应用 演示两种多目标优化策略 创建用于介绍性设计优化课程（例如 UIUC 的 SE 413）。证明 epsilon-constraint 方法可以识别与多目标优化问题相对应的 Pareto 前沿上的非支配点，而更知名的加权和方法则不能。测试题改编自： “Optimization in Practice with MATLAB: For Engineering Students and Professionals”，A. Messac，2015，剑桥大学出版社

Flink checkpoint 优化策略

Mysql的索引及优化策略，个人感觉还不错

受自然过程启发的进化优化方法在解决复杂的优化问题方面表现出良好的性能。 例如，遗传算法（受人类和其他物种的生物进化启发）、蚁群优化（基于蚂蚁努力寻找食物来源的最佳路径）和模拟退火（基于真实的退火过程，其中物质被加热超过其熔点，然后冷却以达到晶格）被广泛用于解决工程优化问题。 所提出的进化优化算法通常受到自然过程建模的启发，而没有考虑物种进化的其他方面，尤其是人类进化。 这项工作中提出的方法使用人类的社会政治进化作为开发强大优化策略的灵感来源。 特别是，该算法将帝国主义视为人类社会进化的一个层次，并通过对这个复杂的政治和历史过程进行数学建模，将其作为进化优化的工具。 自最近推出以来，这种新颖的方法已被研究人员广泛采用以解决不同的优化任务。 该方法用于设计工厂优化布局、自适应天线阵列、智能推荐系统、工业和化工拥有的优化控制器。 欲了解更多信息，请访问：

档案信息化建设与档案管理的优化策略.docx

基于生态外语教学的大学英语信息化课堂教学环境的优化策略简析.docx

文章以整体燃料消耗少、时间短以及燃料消耗均衡为优化准则，研究多卫星协同飞行队形重构的整体优化问题。采用基于遗传算法的双脉冲路径优化策略，以燃料消耗最省和时间最短为优化指标，实现成员星的路径优化，采用0-1整数规划技术以整体性能指标最优，进行多卫星的整体队形重构规划和部署。分别以时间最短及燃料消耗最少为优化指标，兼顾燃料消耗均衡给出了2组仿真算例，对多星协同队形重构整体优化策略的有效性进行了比较分析，结果表明，从整体分配角度对多星路径进行规划，可进一步对整体性能进行优化。

基于ARM的除法运算优化策略，讨论如何优化ARM系统中C语言对除法运算的优化。

索引 内容 位置 阿布量化系统源代码 abupy目录 阿布量化使用教程 abupy_lecture目录 阿布量化非编程界面操作 abupy_ui目录 《量化交易之路》示例代码 ipython／python目录 《机器学习之路》示例代码 https://github.com/maxmon/abu_ml 特点 使用多种机器学习技术智能优化策略 在实盘中指导策略进行交易，提高策略的实盘效果，战胜市场 支持的投资市场: 美股，A股，港股 期货，期权 比特币，莱特币 工程设计目标： 分离基础策略和策略优化监督模块 提高灵活度和适配性 APP下载 & 网址 谢谢您来使用我们的应用! 电脑浏览器访问网址: https://www.abuquant.com iOS苹果手机AppStore下载链接 android手机下载链接页面 量化技术博客地址 K线课堂地址 量化课堂地址 APP简介 量化系统 阿布量化综合AI大数据系统, K线形态系统, 经典指标系统, 走势趋势分析系统, 时间序列维度系统, 统计概率系统, 传统均线系统对投资品种进行深度量化分析, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代. 量化模型 上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等. AI量化 阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型，整体上分为三个系别：物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势，系别的模型群是由若干个独有的识别算法和参数遗传淘汰，组成族群，加权投票评分. 量化策略 阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略，衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长，不断分裂，适者生存，淘汰选择机制下繁衍，目前应用的量化买入卖出信号策略共计18496种。 量化应用 阿布量化结合多种量化分析数据构建了数百种量化应用, 如: AI高能预警, AI高光时刻, 智能预测涨跌幅, 下跌五浪量化, 上涨五浪量化, 阻力支撑强度分析, 上升三角形突破, 下降三角形, 三重底 (头肩底), 三重顶 (头肩顶), 圆弧顶, 圆弧底, 乌云盖顶形态, 上升三部曲形态, 好友反攻形态, 单针探底形态, 射击之星形态, 多方炮形态, 上涨镊子线, 向上突破箱体, 跳空突破缺口, 黄金分割线量化, 趋势跟踪信号, 均值回复信号, 止损风险控制量化, 止盈利润保护量化, 综合指标分析等. 安装 部署 推荐使用Anaconda部署Python环境，详见 量化环境部署 测试 import abupy 界面操作（非编程） 更多界面操作示例 使用文档 1：择时策略的开发 第一节界面操作教程视频播放地址 择时策略决定什么时候买入投资品，回测告诉我们这种策略在历史数据中的模拟收益如何。 买入择时因子的编写 分解模式一步一步对策略进行回测 卖出择时因子的实现 在对的时间，遇见对的人(股票)，是一种幸福 在对的时间，遇见错的人(股票)，是一种悲伤 在错的时间，遇见对的人(股票)，是一声叹息 在错的时间，遇见错的人(股票)，是一种无奈 详细阅读 2: 择时策略的优化 通过止盈止损保护策略产生的利润，控制风险。 基本止盈止损策略 风险控制止损策略 利润保护止盈策略 详细阅读 3: 滑点策略与交易手续费 考虑应用交易策略时产生的成交价格偏差及手续费。 滑点买入卖出价格确定及策略实现 交易手续费的计算以及自定义手续费 type date symbol commission buy 20150423 usTSLA 8.22 buy 20150428 usTSLA 7.53 sell 20150622 usTSLA 8.22 buy 20150624 usTSLA 7.53 sell 20150706 usTSLA 7.53 sell 20150708 usTSLA 7.53 buy 20151230 usTSLA 7.22 sell 20160105 usTSLA 7.22 buy 20160315 usTSLA 5.57 sel