70、金融交易与车辆路径问题的优化策略探讨

金融交易与车辆路径问题的优化策略探讨

1. 金融交易策略优化

在金融交易领域，为了降低交易中 $R_t < 0$ 的比例，有人提出了一种改进的交易策略：
- 若 $y_t < -ε^-$（其中 $ε^- > 0$），则 $F_t = -1$；
- 若 $ε^- ≤ y_t ≤ ε^+$（其中 $ε^+ > 0$），则 $F_t = F_{t - 1}$；
- 若 $y_t > ε^+$，则 $F_t = 1$。

当然，采用这种策略时，需要确定另外两个参数 $ε^-$ 和 $ε^+$ 的最优值。此外，为了提升人工神经网络（ANN）的学习能力，使用多层感知器模型或许是有利的。同时，为了让与感兴趣的数量随时间演变相关的变量集更具信息性，除了对数收益率，至少还应考虑交易量。最后，为了在金融交易分析（FTA）中明确考虑风险，使用某种风险调整版本的相关公式可能会带来收益。

2. 车辆路径问题案例引入

从一个案例研究出发，对一个复杂的车辆路径问题进行了分析。该问题的特点包括多个时间窗口、异构车队、最大行驶时长以及多次访问。有一家意大利公司，其主要业务是向该国东北部地区的餐厅和零售商交付大量食品。公司通过外部车辆供应商来完成这项任务，成本包括每辆车的固定费用和司机的工作时长可变费用。公司决定为每辆车分配的客户集以及客户的访问顺序。由于司机前八小时的费用远低于后续时间，公司对每次行程的时长进行了限制。

公司允许客户选择收货时间，每个客户每周最多可指定三个时间段，每周五个工作日，这样每个客户最多有十五个时间窗口。而且，部分客户可能要求每周多次服务，公司需确保这些访问安排在非连续的日子，除非客户明确