数据库节课论文讲述.doc

天津财经大学 信息技术结课论文 中文题目： 计算机算法在经济中的应用 院系名称： 研究生院 专业班级： 金融学硕1501 学 号： 2015310076 姓 名： 袁琦富 指导教师： 刘军 2016年 6 月 10 日 现如今，计算机技术在我国各行各业个领域中都有很多的用处，起作用最主要的是 进行大量的数据处理以减轻人们的工作负担，因此在对于经济学领域电子计算机的作用就十分重要，经济管理学上经常要处理数量极其庞大的数据资料，如果由人工进行将会是一项何其繁琐何其恐怖的工作，因此在这一经济管理领域中电子计算机的技术的应用就是为人们的工作创造了极大的便利。本文通过对几种常见计算机算法的介绍，来体现这种人类智慧的结晶对社会经济的影响与推动。 遗传算法 遗传算法由霍兰（J.H.Holland）提出。霍兰早期学习物理与数学专业，1959年在美国密歇根大学取得计算机科学博士学位，是复杂性科学研究的先驱者之一。诺贝尔奖得主阿罗很重视遗传算法在经济学中的应用，他在圣塔菲研究所庆祝遗传算法问世10周年的纪念大会上，就遗传算法对经济学的意义和应用前景做了专题演讲。 受进化论适者生存的启发，遗传算法将要解决的问题模拟成一个生物进化过程，通过复制、交叉、变异等操作产生新一代群体，在新一代群体中淘汰掉适应性低的个体，保留适应性高的个体。这样经过不断优胜劣汰的迭代后，在群体中仅保留适应性最高的个体。遗传算法的一个特点是通过变异可以跳出局部最优，从而可以寻找全局最优，但是不能保证最终解就一定是全局的最优解 囚徒困境是博弈论中的一个经典模型，在经济学、政治学、心理学和社会学中得到广泛应用。阿克塞罗德（Axelord，1980）采用遗传算法研究了重复囚徒困境博弈问题。他证明在重复囚徒困境博弈中，针锋相对策略（tit-for-tat）在众多“人能想出来的策略”中表现最佳。因此，在重复囚徒困境博弈中，博弈双方采用合作策略是理性的。阿克塞罗德的这一结果完全不同于静态囚徒困境博弈结果。在静态囚徒困境博弈中，博弈双方均采用不合作策略才是理性行为。霍兰很重视在博弈论中采用遗传算法，在其介绍遗传算法的文章中用了不少篇幅介绍阿克塞罗德等学者对这一问题的研究成果。 蛛网模型是微观经济学的经典模型之一。Arifovic（1994）把遗传算法应用到蛛网模型，收到了较好的效果，引起了大家的注意。Arifovic（ 2000）的文章研究了宏观经济模型的进化算法（遗传算法是进化算法的一种）。N.Mihail（2007）在宏观经济模型中使用了遗传算法。 伯特兰模型和古诺模型是研究垄断问题的两种经典模型。20世纪90年代后出版的中高级微观经济学教科书均用博弈论来解释这两种模型。普赖斯（Price，1997）应用遗传算法研究了这两种模型， 他的方法不仅能给出模型的解，更重要的是还能给出解的调整过程。能给出模型解的调整过程是算法的优势之一。用遗传算法研究古诺模型的较新研究成果可参见Protopapas et al（2009）等文献。 蚂蚁算法 蚂蚁在寻找食物时会分头在外面随机搜索。如果一只蚂蚁找到食物，它在返回巢中会通知同伴，并沿途留下“信息素”（Pheromone）作为其他蚂蚁前往食物所在地的标记。信息素会逐渐挥发。如果两只蚂蚁同时找到同一食物，又采取不同路线回到巢中，那么比较绕弯的一条路上信息素的气味会比较淡，蚁群将倾向于沿另一条更近的路线前往食物所在地。这样经过一段时间后，蚂蚁会沿着最短的路径往返于食物和蚁巢之间。受到蚂蚁觅食时所采用的最短路径的启发，Dorigo于20世纪90年代提出了蚁群优化算法（Ant Colony Optimization，ACO）。蚂蚁算法也被应用到经济理论中来。如通常要较多种类的资产才能构成最优资产组合，Maringer（2006）用蚂蚁算法研究出较少种类的资产也可以构成最优资产组合。Eslami-Bidgoli et al（2009）和Wang et al（2009）等也采用了蚂蚁算法来研究资产组合问题。 蚂蚁在搜寻过程中产生出最短路径，有些类似市场上的适者生存行为。市场上经济人仅仅追寻价格信号和消费者的效用函数最大化及生产者的利润函数最大化，在市场淘汰的作用下导致了社会资源最佳配置。 人工神经网络模型 人工神经网络（Artificial Neural Network，缩写ANN）是一种模仿大脑神经突触联接结构进行信息处理的计算模型。人工神经网络有几个特色：（1）是一个非线性动力学系统，可处理一些非线性问题。（2）其信息的存储和调用是同时进行的，运算是并行的。（3）能较好地处理人的学习行为。学习是神经网络研究的一个重要内容。由赫布(Hebb)提出的“赫布学习规则