出版時間:2011-6 出版社:清華大學 作者:朱順泉//蘇越良 頁數(shù):322 字數(shù):442000
內(nèi)容概要
朱順泉和蘇越良編著的《管理運籌建模與求解——基于Excel VBA與
MATLAB》向讀者介紹常用的管理運籌學模型的建立及其計算機軟件的實現(xiàn)方法,主要包括線性規(guī)劃、整數(shù)線性規(guī)劃、目標規(guī)劃、動態(tài)規(guī)劃、網(wǎng)絡規(guī)劃、非線性規(guī)劃、數(shù)據(jù)包絡分析、模擬決策、人工神經(jīng)網(wǎng)絡、遺傳算法等模型及使用Excel,Excel
VBA和MATLAB等軟件對上述模型進行求解的方法和步驟。
《管理運籌建模與求解——基于Excel
VBA與MATLAB》特點是案例豐富,貼近實際,具有很強的實用性和可操作性,易于讀者理解和自學?!豆芾磉\籌建模與求解——基于Excel
VBA與MATLAB》可作為經(jīng)濟管理類本科生及攻讀MBA、工程碩士等專業(yè)學位的研究生學習相關課程的教材或參考書,也可供相關專業(yè)人士參考。
書籍目錄
第1章 管理運籌學及其計算機工具簡介
1.1 管理運籌學的含義與特點
1.2 本書討論的主要內(nèi)容
1.3 Excel VBA宏錄制使用簡介
1.4 MATLAB使用簡介
1.4.1 MATLAB R2007a界面和菜單簡介
1.4.2 MATLAB R2007a基本編程方法
習題
第2章 線性規(guī)劃單純形方法、求解與靈敏度分析
2.1 線性規(guī)劃問題及其數(shù)學模型
2.1.1 問題的提出
2.1.2 線性規(guī)劃的標準型
2.2 線性規(guī)劃的單純形方法
2.2.1 單純形表
2.2.2 單純形方法的計算步驟
2.2.3 單純形方法計算舉例
2.3 線性規(guī)劃模型的Excel規(guī)劃求解與Excel VBA求解
2.4 線性規(guī)劃模型的MATLAB求解
2.4.1 MATLAB求解線性規(guī)劃模型的函數(shù)
2.4.2 線性規(guī)劃模型的數(shù)據(jù)錄入問題
2.5 線性規(guī)劃實例及其靈敏度分析
2.5.1 一個簡單的最大化問題
2.5.2 線性規(guī)劃問題的圖解法
2.5.3 線性規(guī)劃問題的Excel規(guī)劃求解法
2.5.4 最小化問題
2.5.5 線性規(guī)劃問題的解的討論
2.5.6 線性規(guī)劃的靈敏度分析和影子價格
習題
案例問題2—1 創(chuàng)業(yè)投資基金公司的基金比例分配
第3章 線性規(guī)劃模型應用實例及其VBA與MATLAB求解
3.1 某公司投資組合線性規(guī)劃模型的建立及其VBA求解
3.2 線性規(guī)劃模型的建立及其MATLAB求解
3.3 資源分配問題模型的建立及其VBA求解
3.4 運輸問題模型的建立及其VBA求解
習題
案例問題3—1 投資咨詢公司的投資組合
案例問題3—2 國家保險聯(lián)合會對股票證券風險最小的投資組合
案例問題3—3 海濱財務服務公司投資資金分配
案例問題3—4 基金公司經(jīng)理的理財計劃
案例問題3—5 投資服務公司的投資組合
第4章 整數(shù)線性規(guī)劃模型的建立及其VBA與MATLAB求解
4.1 整數(shù)線性規(guī)劃模型
4.2 某項目投資決策整數(shù)規(guī)劃模型及其VBA求解
4.3 某公司資本受到限制的投資決策問題及其靈活性處理
4.4 配送系統(tǒng)設計的整數(shù)規(guī)劃模型及其VBA求解
4.5 指派問題模型的建立及其VBA求解
4.6 一般的整數(shù)線性規(guī)劃模型的建立及其VBA求解
4.7 0—1整數(shù)線性規(guī)劃模型的MATLAB求解
習題
第5章 多目標決策模型的建立及其VBA與MATLAB求解
5.1 目標規(guī)劃數(shù)學模型的建立及其VBA與MATLAB求解
5.1.1 目標規(guī)劃數(shù)學模型的建立
5.1.2 目標規(guī)劃的求解實例
5.2 層次分析法及其VBA求解
5.2.1 AHP的引出
5.2.2 AHP的基本步驟
5.2.3 AHP的電子表格解法
5.2.4 AHP的VBA程序?qū)崿F(xiàn)
5.2.5 AHP在內(nèi)河出入境檢驗檢疫局進口商品檢驗檢疫風險管理中的應用
5.2.6 AHP在畢業(yè)生工作選擇中的應用
習題
第6章 動態(tài)規(guī)劃模型的建立及其VBA求解
6.1 個人理財模型的建立及其VBA求解
6.2 貸款管理模型的建立及其VBA求解
6.3 流動資金管理模型的建立及其VBA求解
6.4 生產(chǎn)經(jīng)營問題模型的建立及其VBA求解
6.5 采購與銷售模型的建立及其VBA求解
6.6 訂單與生產(chǎn)模型的建立及其VBA求解
習題
案例問題6—1 保險公司的理財計劃
案例問題6—2 華南金融公司的理財計劃
第7章 網(wǎng)絡規(guī)劃模型的建立與VBA求解
7.1 最小費用流問題與VBA求解
7.1.1 最小費用流問題
7.1.2 最小費用流問題的數(shù)學模型
7.1.3 最小費用流問題的數(shù)學模型的VBA求解
7.1.4 最小費用流問題的電子表格求解
7.2 最大流問題與VBA求解
7.2.1 最大流問題的基本概念
7.2.2 最大流問題的數(shù)學模型
7.2.3 最大流問題的數(shù)學模型的VBA求解
7.2.4 最大流問題的電子表格求解
7.2.5 最小費用最大流問題
7.3 最短路問題及其VBA求解
7.3.1 最短路問題基本概念
7.3.2 最短路問題的數(shù)學模型
7.3.3 最短路問題的VBA求解
7.3.4 最短路問題的電子表格求解
習題
第8章 非線性規(guī)劃模型的建立及其VBA與MATLAB求解
8.1 非線性規(guī)劃模型及其求解
8.2 投資組合的非線性規(guī)劃模型及其VBA求解
8.2.1 單項投資的期望回報率與風險
8.2.2 投資組合的期望回報與風險
8.2.3 用電子表格計算期望值、方差、均方差和相關系數(shù)
8.2.4 投資組合優(yōu)化的非線性規(guī)劃模型及其VBA求解
8.2.5 通用投資組合優(yōu)化決策模型及其VBA求解
8.2.6 投資組合優(yōu)化的非線性規(guī)劃模型及其MATLAB求解
8.3 最佳現(xiàn)金持有量的非線性規(guī)劃決策模型及其VBA求解
8.3.1 確定最佳現(xiàn)金持有量的理論方法
8.3.2 最佳現(xiàn)金持有量模型的建立
8.3.3 最佳現(xiàn)金持有量的VBA求解
8.4 最佳訂貨批量的非線性規(guī)劃決策模型及其VBA求解
8.4.1 經(jīng)濟訂貨批量的基本原理
8.4.2 最優(yōu)訂貨批量模型的建立
8.4.3 最優(yōu)訂貨批量的VBA求解
習題
第9章 數(shù)據(jù)包絡分析模型建立及其MATLAB和電子表格求解
9.1 數(shù)據(jù)包絡分析引例
9.2 數(shù)據(jù)包絡分析C2R模型的建立
9.3 含非阿基米德無窮小e的C2R模型和C2GS2模型
9.4 含非阿基米德無窮小e的c2R模型和C2GS2模型的MATLAB求解
9.5 數(shù)據(jù)包絡分析的建模與Excel電子表格求解
習題
第10章 模擬決策模型及其Excel電子表格模擬計算
10.1 模擬及隨機數(shù)的產(chǎn)生
10.2 庫存系統(tǒng)模擬
10.3 飛機票預訂決策問題模擬
習題
第11章 人工神經(jīng)網(wǎng)絡模型的建立及其MATLAB求解
11.1 BP神經(jīng)網(wǎng)絡的拓撲結構
11.2 BP神經(jīng)網(wǎng)絡的學習算法
11.3 BP神經(jīng)網(wǎng)絡的學習程序
11.4 BP神經(jīng)網(wǎng)絡模型在企業(yè)信用分類中應用
11.5 基于BP神經(jīng)網(wǎng)絡模型現(xiàn)金流量因素分析的MATLAB求解
11.6 基于徑向基神經(jīng)網(wǎng)絡RBF的股市預測研究
11.6.1 RBF神經(jīng)網(wǎng)絡學習算法原理與步驟
11.6.2 股市數(shù)據(jù)樣本的徑向基網(wǎng)絡輸入設計
11.6.3 RBF網(wǎng)絡訓練與測試
11.7 基于學習向量量化LVQ網(wǎng)絡的財務危機預警研究
11.7.1 問題描述
11.7.2 股市數(shù)據(jù)樣本的收集
11.8 支持向量機及其應用
習題
第12章 遺傳算法模型應用及其MATLAB求解
12.1 遺傳算法原理
12.2 遺傳算法的應用舉例
12.3 基于遺傳算法的有投資數(shù)量約束的投資組合優(yōu)化的MATLAB求解
12.4 粒子群優(yōu)化算法及其應用
習題
第13章 預測模型的Excel計算
13.1 時間序列分析預測
13.2 相關性預測(回歸預測)
13.2.1 一元線性回歸模型的建立
13.2.2 多元線性回歸模型的建立及其有關參數(shù)的解釋
13.3 馬爾科夫過程及其預測
13.3.1 期望利潤的馬爾科夫預測
13.3.2 穩(wěn)定狀態(tài)時的馬爾科夫預測
12.3.3 應收賬款分析
習題
參考文獻
章節(jié)摘錄
版權頁: 插圖: 11.7 基于學習向量量化LVQ網(wǎng)絡的財務危機預警研究 財務失敗又稱為財務困境或財務危機,最嚴重的財務危機就是企業(yè)破產(chǎn)。當一個企業(yè)無力履行合同、無力按時支付債權人利息和償還本金時,該企業(yè)就面臨財務失敗。事實上,企業(yè)陷入財務危機直至破產(chǎn)是一個逐步的過程,大多數(shù)企業(yè)的財務失敗都是由財務狀況異常到逐步惡化,最終導致財務失敗或破產(chǎn)的。因此,企業(yè)的財務失敗不但具有先兆,而且是可預測的。目前我國金融銀行業(yè)的競爭日趨激烈,正確地預測企業(yè)財務失敗對于保護投資者和債權人的權益、對于經(jīng)營者防范財務危機、對于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場風險,都具有重要的現(xiàn)實意義。當前被廣泛研究并應用于財務失敗預測的模型主要有統(tǒng)計模型和人工智能模型兩大類。傳統(tǒng)的統(tǒng)計模型包括多元判別分析模型MDA和對數(shù)回歸模型Logistics Regression等,這兩者也是應用最為廣泛的模型。統(tǒng)計模型最大的優(yōu)點在于其具有明顯的解釋性,存在的缺陷在于其過于嚴格的前提條件。如MDA要求數(shù)據(jù)分布服從多元正態(tài)分布、同協(xié)方差等;對數(shù)回歸模型雖然對數(shù)據(jù)分布的要求有所降低,但仍對財務指標之間的多重共線性干擾敏感,而現(xiàn)實中大量數(shù)據(jù)分布都不符合這些假設前提,從而限制了統(tǒng)計模型在這一領域中的應用。 11.7.1問題描述 隨著信息技術的發(fā)展,人工智能和機器學習的一些分類和預測的算法也被引入到金融信用風險評估領域中來,主要包括人工神經(jīng)網(wǎng)絡和決策樹的方法。決策樹是一種自頂向下的分類方法,它通過對一組訓練樣本的學習,構造出決策型的知識表現(xiàn)。決策樹具有速度快、精度高、生成模式簡單等優(yōu)點,但是這種歸納學習的方法容易造成模型的過度擬合,而且當問題復雜時,決策樹的解釋性也會降低。人工神經(jīng)網(wǎng)絡具有良好的容錯性、自適應性和很強的泛化功能。現(xiàn)實世界中的企業(yè)財務失敗預測問題往往非常復雜,企業(yè)的各項財務指標之間相互影響,呈現(xiàn)出復雜的非線性關系,而神經(jīng)網(wǎng)絡正是處理這類非線性問題的強有力的工具,近年來開始被引入到金融信用風險評估領域中。尤其是基于神經(jīng)網(wǎng)絡的企業(yè)破產(chǎn)預測方法逐漸顯示出它的優(yōu)越性,已經(jīng)開始成為新的研究熱點,應用的模型也從主要以BP網(wǎng)絡為主逐漸擴展到其他類型的網(wǎng)絡,本節(jié)嘗試利用以競爭神經(jīng)網(wǎng)絡為基礎的學習矢量量化LVQ網(wǎng)絡,基于我國上市公司的實際數(shù)據(jù)對財務失敗進行預測。 學習矢量量化LVQ網(wǎng)絡算法的步驟如下。 (1)網(wǎng)絡初始化:用較小的隨機數(shù)設定輸入層和隱含層之間的權值初始值; (2)將輸入向量送到輸入層; (3)計算輸出層與輸入層向量的距離; (4)計算并選擇使輸入向量和權值向量的距離最小的神經(jīng)元; (5)是否滿足預先設定的精度要求,滿足時算法結束,否則轉回第(2)步,進行下一輪學習。 11.7.2股市數(shù)據(jù)樣本的收集 本例采用的用于構建破產(chǎn)預測模型的財務數(shù)據(jù)全部來自我國上市公司的真實數(shù)據(jù),其中選取彩電破產(chǎn)公司是指在連續(xù)兩年內(nèi)被股市特別處理(ST)的公司,同時依據(jù)行業(yè)分類選取該行業(yè)的其他公司為正常公司,以財務狀況異常最早發(fā)生日為基準日,選取這些公司在基準日前兩年的財務報表數(shù)據(jù)。共選取了102家財務狀況異常公司,481家正常公司(不同年份的同一家公司也認為是不同的公司),共583家公司來構建樣本的集合。由于篇幅的原因,這里選用了其中的8個非ST公司和6個ST公司的樣本。
編輯推薦
《管理運籌建模與求解:基于Excel VBA與MATLAB》結合大量例題和案例,著重討論管理運籌學中模型的建立與應用,以及使用計算機軟件工具進行求解的方法。其目的是使讀者能理解并掌握管理運籌學的一般理論與方法,并將其應用于管理工作的實踐,以促進管理運籌學與實際工作的有機融合。在軟件工具的選用上,《管理運籌建模與求解:基于Excel VBA與MATLAB》既介紹了使用Excel提供的相關函數(shù)直接求解管理運籌學問題的步驟,也講述了使用ExcelVBA或MATLAB編程計算較復雜問題的方法。
圖書封面
評論、評分、閱讀與下載