管理運(yùn)籌建模與求解

內(nèi)容概要

朱順泉和蘇越良編著的《管理運(yùn)籌建模與求解——基于Excel VBA與
MATLAB》向讀者介紹常用的管理運(yùn)籌學(xué)模型的建立及其計算機(jī)軟件的實(shí)現(xiàn)方法，主要包括線性規(guī)劃、整數(shù)線性規(guī)劃、目標(biāo)規(guī)劃、動態(tài)規(guī)劃、網(wǎng)絡(luò)規(guī)劃、非線性規(guī)劃、數(shù)據(jù)包絡(luò)分析、模擬決策、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等模型及使用Excel，Excel
VBA和MATLAB等軟件對上述模型進(jìn)行求解的方法和步驟。
 《管理運(yùn)籌建模與求解——基于Excel
VBA與MATLAB》特點(diǎn)是案例豐富，貼近實(shí)際，具有很強(qiáng)的實(shí)用性和可操作性，易于讀者理解和自學(xué)?！豆芾磉\(yùn)籌建模與求解——基于Excel
VBA與MATLAB》可作為經(jīng)濟(jì)管理類本科生及攻讀MBA、工程碩士等專業(yè)學(xué)位的研究生學(xué)習(xí)相關(guān)課程的教材或參考書，也可供相關(guān)專業(yè)人士參考。

書籍目錄

第1章  管理運(yùn)籌學(xué)及其計算機(jī)工具簡介
  1.1 管理運(yùn)籌學(xué)的含義與特點(diǎn)
  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(xí)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(xué)模型
    2.1.1 問題的提出
    2.1.2 線性規(guī)劃的標(biāo)準(zhǔn)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(shí)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(xí)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(yīng)用實(shí)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(yùn)輸問題模型的建立及其VBA求解
  習(xí)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(fēng)險最小的投資組合
  案例問題3—3 海濱財務(wù)服務(wù)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(wù)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(xiàng)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(shè)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(xí)題
第5章  多目標(biāo)決策模型的建立及其VBA與MATLAB求解
  5.1 目標(biāo)規(guī)劃數(shù)學(xué)模型的建立及其VBA與MATLAB求解
    5.1.1 目標(biāo)規(guī)劃數(shù)學(xué)模型的建立
    5.1.2 目標(biāo)規(guī)劃的求解實(shí)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(yàn)檢疫局進(jìn)口商品檢驗(yàn)檢疫風(fēng)險管理中的應(yīng)用
    5.2.6 AHP在畢業(yè)生工作選擇中的應(yīng)用
  習(xí)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(xí)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(luò)規(guī)劃模型的建立與VBA求解
  7.1 最小費(fèi)用流問題與VBA求解
    7.1.1 最小費(fèi)用流問題
    7.1.2 最小費(fèi)用流問題的數(shù)學(xué)模型
    7.1.3 最小費(fèi)用流問題的數(shù)學(xué)模型的VBA求解
    7.1.4 最小費(fèi)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(xué)模型
    7.2.3 最大流問題的數(shù)學(xué)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(fèi)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(xué)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(xí)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(xiàng)投資的期望回報率與風(fēng)險
    8.2.2 投資組合的期望回報與風(fēng)險
    8.2.3 用電子表格計算期望值、方差、均方差和相關(guān)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(jì)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(xí)題
第9章  數(shù)據(jù)包絡(luò)分析模型建立及其MATLAB和電子表格求解
  9.1 數(shù)據(jù)包絡(luò)分析引例
  9.2 數(shù)據(jù)包絡(luò)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(luò)分析的建模與Excel電子表格求解
  習(xí)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(jī)數(shù)的產(chǎn)生
  10.2 庫存系統(tǒng)模擬
  10.3 飛機(jī)票預(yù)訂決策問題模擬
  習(xí)題
第11章  人工神經(jīng)網(wǎng)絡(luò)模型的建立及其MATLAB求解
  11.1 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
  11.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
  11.3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)程序
  11.4 BP神經(jīng)網(wǎng)絡(luò)模型在企業(yè)信用分類中應(yīng)用
  11.5 基于BP神經(jīng)網(wǎng)絡(luò)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(luò)RBF的股市預(yù)測研究
    11.6.1 RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)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(luò)輸入設(shè)計
    11.6.3 RBF網(wǎng)絡(luò)訓(xùn)練與測試
  11.7 基于學(xué)習(xí)向量量化LVQ網(wǎng)絡(luò)的財務(wù)危機(jī)預(yù)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(jī)及其應(yīng)用
  習(xí)題
第12章  遺傳算法模型應(yīng)用及其MATLAB求解
  12.1 遺傳算法原理
  12.2 遺傳算法的應(yīng)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(yīng)用
  習(xí)題
第13章  預(yù)測模型的Excel計算
  13.1 時間序列分析預(yù)測
  13.2 相關(guān)性預(yù)測(回歸預(yù)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(guān)參數(shù)的解釋
  13.3 馬爾科夫過程及其預(yù)測
    13.3.1 期望利潤的馬爾科夫預(yù)測
    13.3.2 穩(wěn)定狀態(tài)時的馬爾科夫預(yù)測
    12.3.3 應(yīng)收賬款分析
  習(xí)題
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   11.7 基于學(xué)習(xí)向量量化LVQ網(wǎng)絡(luò)的財務(wù)危機(jī)預(yù)警研究 財務(wù)失敗又稱為財務(wù)困境或財務(wù)危機(jī)，最嚴(yán)重的財務(wù)危機(jī)就是企業(yè)破產(chǎn)。當(dāng)一個企業(yè)無力履行合同、無力按時支付債權(quán)人利息和償還本金時，該企業(yè)就面臨財務(wù)失敗。事實(shí)上，企業(yè)陷入財務(wù)危機(jī)直至破產(chǎn)是一個逐步的過程，大多數(shù)企業(yè)的財務(wù)失敗都是由財務(wù)狀況異常到逐步惡化，最終導(dǎo)致財務(wù)失敗或破產(chǎn)的。因此，企業(yè)的財務(wù)失敗不但具有先兆，而且是可預(yù)測的。目前我國金融銀行業(yè)的競爭日趨激烈，正確地預(yù)測企業(yè)財務(wù)失敗對于保護(hù)投資者和債權(quán)人的權(quán)益、對于經(jīng)營者防范財務(wù)危機(jī)、對于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場風(fēng)險，都具有重要的現(xiàn)實(shí)意義。當(dāng)前被廣泛研究并應(yīng)用于財務(wù)失敗預(yù)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(yīng)用最為廣泛的模型。統(tǒng)計模型最大的優(yōu)點(diǎn)在于其具有明顯的解釋性，存在的缺陷在于其過于嚴(yán)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(wù)指標(biāo)之間的多重共線性干擾敏感，而現(xiàn)實(shí)中大量數(shù)據(jù)分布都不符合這些假設(shè)前提，從而限制了統(tǒng)計模型在這一領(lǐng)域中的應(yīng)用。 11.7.1問題描述 隨著信息技術(shù)的發(fā)展，人工智能和機(jī)器學(xué)習(xí)的一些分類和預(yù)測的算法也被引入到金融信用風(fēng)險評估領(lǐng)域中來，主要包括人工神經(jīng)網(wǎng)絡(luò)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(xùn)練樣本的學(xué)習(xí)，構(gòu)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(diǎn)，但是這種歸納學(xué)習(xí)的方法容易造成模型的過度擬合，而且當(dāng)問題復(fù)雜時，決策樹的解釋性也會降低。人工神經(jīng)網(wǎng)絡(luò)具有良好的容錯性、自適應(yīng)性和很強(qiáng)的泛化功能?，F(xiàn)實(shí)世界中的企業(yè)財務(wù)失敗預(yù)測問題往往非常復(fù)雜，企業(yè)的各項(xiàng)財務(wù)指標(biāo)之間相互影響，呈現(xiàn)出復(fù)雜的非線性關(guān)系，而神經(jīng)網(wǎng)絡(luò)正是處理這類非線性問題的強(qiáng)有力的工具，近年來開始被引入到金融信用風(fēng)險評估領(lǐng)域中。尤其是基于神經(jīng)網(wǎng)絡(luò)的企業(yè)破產(chǎn)預(yù)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(diǎn)，應(yīng)用的模型也從主要以BP網(wǎng)絡(luò)為主逐漸擴(kuò)展到其他類型的網(wǎng)絡(luò)，本節(jié)嘗試?yán)靡愿偁幧窠?jīng)網(wǎng)絡(luò)為基礎(chǔ)的學(xué)習(xí)矢量量化LVQ網(wǎng)絡(luò)，基于我國上市公司的實(shí)際數(shù)據(jù)對財務(wù)失敗進(jìn)行預(yù)測。 學(xué)習(xí)矢量量化LVQ網(wǎng)絡(luò)算法的步驟如下。 （1）網(wǎng)絡(luò)初始化：用較小的隨機(jī)數(shù)設(shè)定輸入層和隱含層之間的權(quán)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(quán)值向量的距離最小的神經(jīng)元； （5）是否滿足預(yù)先設(shè)定的精度要求，滿足時算法結(jié)束，否則轉(zhuǎn)回第（2）步，進(jìn)行下一輪學(xué)習(xí)。 11.7.2股市數(shù)據(jù)樣本的收集 本例采用的用于構(gòu)建破產(chǎn)預(yù)測模型的財務(wù)數(shù)據(jù)全部來自我國上市公司的真實(shí)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(wù)狀況異常最早發(fā)生日為基準(zhǔn)日，選取這些公司在基準(zhǔn)日前兩年的財務(wù)報表數(shù)據(jù)。共選取了102家財務(wù)狀況異常公司，481家正常公司（不同年份的同一家公司也認(rèn)為是不同的公司），共583家公司來構(gòu)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(yùn)籌建模與求解:基于Excel VBA與MATLAB》結(jié)合大量例題和案例，著重討論管理運(yùn)籌學(xué)中模型的建立與應(yīng)用，以及使用計算機(jī)軟件工具進(jìn)行求解的方法。其目的是使讀者能理解并掌握管理運(yùn)籌學(xué)的一般理論與方法，并將其應(yīng)用于管理工作的實(shí)踐，以促進(jìn)管理運(yùn)籌學(xué)與實(shí)際工作的有機(jī)融合。在軟件工具的選用上，《管理運(yùn)籌建模與求解:基于Excel VBA與MATLAB》既介紹了使用Excel提供的相關(guān)函數(shù)直接求解管理運(yùn)籌學(xué)問題的步驟，也講述了使用ExcelVBA或MATLAB編程計算較復(fù)雜問題的方法。

圖書封面

評論、評分、閱讀與下載

---

    管理運(yùn)籌建模與求解 PDF格式下載

---