论文部分内容阅读
投入产出分析是研究经济系统各要素相互联系的数量经济分析方法，它在经济分析、政策模拟、经济预测、制定发展规划等方面得到了广泛的应用。但投入产出模型是一种确定性的模型，本身不具有择优功能。能够与投入产出模型相结合建立最优化模型的主要方法有线性规划、多目标规划、CGE模型、高速增长模型等。但经济系统，特别是宏观经济系统是一个非常复杂的系统，其中广泛存在着非线性、时变性和不确定作用关系，需要在投入产出优化模型上探索创新的思路。二十世纪八、九十年代以来，一类基于生物进化、人工智能、数学和物理科学、神经系统和统计力学的现代优化算法得到了发展。现代优化算法包括遗传算法、蚁群算法、人工神经网络等算法，它们是模拟自然界生物进化过程与机制求解优化与搜索问题的一类自组织、自适应人工智能技术，其核心思想是生物进化过程本身是一个自然的并行发生的、稳健的优化过程。它们与传统优化方法的比较。有其独特的优越性。它们结构的开放性、与问题无关性，使得各算法之间容易进行相互综合。本文将介绍人工神经网络、蚁群算法与投入产出模型相结合形成的优化模型。