CN109754354B - 优化碳信息披露方案的方法和装置 - Google Patents
优化碳信息披露方案的方法和装置 Download PDFInfo
- Publication number
- CN109754354B CN109754354B CN201910095664.3A CN201910095664A CN109754354B CN 109754354 B CN109754354 B CN 109754354B CN 201910095664 A CN201910095664 A CN 201910095664A CN 109754354 B CN109754354 B CN 109754354B
- Authority
- CN
- China
- Prior art keywords
- tree
- algorithm
- population
- seed
- carbon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000002028 premature Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 206010036590 Premature baby Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种优化碳信息披露方案的方法和装置，所述方法基于改进树种算法能够解决投资者信息共享行为下企业碳信息披露、企业价值增加以及企业风险成本控制三者协同问题，能够辅助企业决策向不同投资者的碳信息披露程度，建立完善的碳信息披露机制。此外，与传统树种算法相比，改进树种算法主要通过引进随机个体来改善传统算法中的过早收敛和局部早熟的现象。此外，通过控制算法搜索趋势因子，在迭代过程中不断自适应调整算法选择随机位置的概率，以便在迭代后期帮助算法跳出局部最优，增加种群的多样性，提高算法的全局搜索能力。
Description
技术领域
本发明实施例涉及碳信息处理领域，具体涉及一种优化碳信息披露方案的方法和装置。
背景技术
随着公共环保意识的不断提高，投资者们在选择投资企业时不仅会考虑企业的运营水平和盈利能力，同时也会考虑企业承担的社会环境责任。企业为了吸引更多的投资也会通过自媒体平台向投资者们公开自身的环境污染数据，其中碳信息作为环境污染数据的重要组成部分，已经具备了较为成熟的信息披露渠道，对于投资者来说也最具参考意义。
各个投资者在获得企业的碳信息后会不同程度地向其他投资者透露，在考虑投资者们之间存在碳信息共享行为的前提下，相关学者对碳信息披露机制进行了研究，并得出了如下结论：企业的价值将会随着碳信息披露质量的提升而提升，企业的融资约束将会随着碳信息披露水平的提升而降低。
目前，一些学者利用碳信息披露项目(CDP)的企业数据，分析了碳信息披露水平对企业融资约束的影响，另一些学者构建了上市公司碳信息披露与外部融资约束间的关系模型，均得出相同的结论：企业的融资约束会随着碳信息披露水平的提升而降低。
另一些学者利用基于碳信息披露项目(CDP)的企业数据，进一步研究碳信息披露、市场环境与商业信用融资三者之间的关系，并利用市场环境对碳信息披露和商业信用融资二者关系的影响进行了检验。还有一些学者从政府监管的角度出发，研究了碳信息披露和融资约束之间的关系，发现碳信息披露对于企业的融资约束具有一定的缓解作用。
另外一些学者基于化工行业的面板数据，研究了碳信息披露对于企业融资规模的影响，并发现化工行业中的上市公司碳信息披露质量与股权融资规模不相关，但上市公司碳信息披露质量与债务融资规模正相关，碳信息披露质量越高，债务融资规模越大。
然而，在进行发明创造的过程中发明人发现，现有技术存在以下缺陷：
目前的相关技术主要停留在实证分析碳信息披露对于企业价值及外部融资的影响机理方面，还未能深入到碳信息披露、企业价值和风险控制三者协同优化方法方面。
此外，在已有的树种算法中，由于算法的本质在于子代树种在每一次迭代过程中会不断朝向种群中的已有个体不断迁移，因此，在算法迭代的后期，子代树种很有可能都朝向一个局部最优解，陷入早熟的困境。
发明内容
本发明实施例提供了一种优化碳信息披露方案的方法和装置，用以解决上述至少一个技术问题。
第一方面，本发明实施例提供一种基于改进树种算法优化碳信息披露方案的方法，包括：
步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，其中Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
步骤4：令前考虑的树木序号l＝1；
步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
步骤6：令当前考虑的种子序号为sn＝1；
步骤7：令d＝1；
步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
步骤14：更新当前最好解B；
步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
步骤16：输出当前最优解B，作为最优碳信息披露方案。
可选地，步骤8包括：
若rand＜ST1，则令Slsnd(it)＝Tld(it-1)+α(Bd-Tld(it-1))，Slsnd(it)表示第it代种群中第l棵树木的第sn个种子的第d维位置；
若
则令Slsnd(it)＝Tld(it-1)+α(Trd(it-1)-Tld(it-1))；
若
则令Slsnd(it)＝Rand()，其中，rand为随机数，α为缩放因子，Rand()为随机位置，三者取值均在0到1之间，t为算法当前运行时间，Bd表示最优方案的第d维位置，Trd表示种群中除树木l之外的任一个体的第d维位置。
可选地，所述方法还包括：
经历信息披露过后，按照以下公式确定企业的最终价值变化V：
可选地，所述方法还包括：
按照以下公式确定投资者Ti投资企业的资金Wi：
其中，invest()表示投资量随着碳信息披露程度变化的函数，
表示企业提供给各个投资者的专属碳信息披露程度,
表示企业提供给各个投资者的共享碳信息披露程度，Wi在区间[Li，Ui]范围内波动。
所述方法还包括：按照以下公式确定
可选地，所述方法还包括：
按照以下公式确定VΔ：
其中，value-add()为企业价值随着融资资本增加的增值函数，
为总投资资本。
可选地，所述方法还包括：
按照以下公式确定
其中，value-loss()表示企业价值随着碳信息披露带来的风险损失函数。
可选地，所述方法还包括：
按照以下步骤计算第it代种群中第l棵树木的适应度fitnessl(it)：
步骤a：令d＝1，第it代种群中第l棵树木表示为Tl(it)＝{Tl1(it)…Tld(it)…TlD)it)}，令Wd＝invest(Tl1(it)+Tl(d+1)(it)+share(∑j∈{2，…，D，j≠d+1Tlj(it)))，令
其中，share()表示各个投资者之间的共享碳信息的函数；
步骤b：若d≤D-1，则令d＝d+1，否则转入下一步；
步骤c：输出
可选地，所述invest()为增函数。
第二方面，本发明实施例提供一种优化碳信息披露方案的装置，包括：
第一初始化模块，用于执行步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
第二初始化模块，用于执行步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，其中Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
适应度计算模块，用于执行步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
第一设置模块，用于执行步骤4：令前考虑的树木序号l＝1；
第二设置模块，用于执行步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
第三设置模块，用于执行步骤6：令当前考虑的种子序号为sn＝1；
第四设置模块，用于执行步骤7：令d＝1；
生成模块，用于执行步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
第一判断模块，用于执行步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
第二判断模块，用于执行步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
第三判断模块，用于执行步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
第四判断模块，用于执行步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
第五判断模块，用于执行步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
更新模块，用于执行步骤14：更新当前最好解B；
第六判断模块，用于执行步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
输出模块，用于执行步骤16：输出当前最优解B，作为最优碳信息披露方案。
本发明的有益效果如下：
1、本发明公开的改进树种算法能够解决投资者信息共享行为下企业碳信息披露、企业价值增加以及企业风险成本控制三者协同问题，能够辅助企业决策向不同投资者的碳信息披露程度，建立完善的碳信息披露机制。
2、与传统树种算法相比，改进树种算法主要通过引进随机个体来改善传统算法中的过早收敛和局部早熟的现象。
3、通过控制算法搜索趋势因子，在迭代过程中不断自适应调整算法选择随机位置的概率，以便在迭代后期帮助算法跳出局部最优，增加种群的多样性，提高算法的全局搜索能力。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例中企业碳信息三层披露与企业融资框架的示意图；
图2是本发明实施例提供的一种优化碳信息披露方案的方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决投资者信息共享行为下基于改进树种算法的企业碳信息披露、价值增值及风险控制协同优化问题，本发明实施例提供了一种优化碳信息披露方案的方法。本发明的目的在于确定企业A向每个投资者决策公开的碳排放信息程度，以最大化企业价值增加。本发明采用改进树种算法来求解每个企业向每个投资者披露碳信息的程度。为了克服传统树种算法过早收敛的局限性，本发明在迭代过程中引入部分随机个体以增加种群的多样性，并动态自适应随机因子，增大算法后期的选择随机个体的概率，在一定程度帮助算法后期跳出局部最优。
在一定的信息披露范围内，投资者的投资金额会随着碳排放信息披露程度的增加而增加，随之企业的价值增加。但考虑到在信息披露过程中会面临一定的商业风险和机会成本损失，故企业的价值损失会随着企业信息公开程度的增大而增加。下面分别从投资者和企业的角度来阐述涉及的问题参数及相关模型。就投资者而言，他们会根据企业A披露的碳排放环境信息(包括基本碳信息和专属碳信息)以及从其他投资者处获得的碳排放信息来判断企业的运营健康状况和投资前景，进而决策是否投资并投资多少金额。
参考图1，图1是本发明实施例中企业碳信息三层披露与企业融资框架的示意图。如图1所示，在考虑碳排放限制的市场环境下，假设市场上共有N个企业A的潜在投资者，由于信息不对称的现象存在，这些投资者依靠企业披露的财务信息和社会责任信息来评估企业A的投资前景。企业A的碳排放信息披露可分为三个层面进行描述，即基本碳信息、专属碳信息以及共享碳信息，图1形象地表达投资者投资和企业公开碳排放信息的过程。
图1中涉及到的各个名词的定义如下：
基本碳信息：基本碳信息是指企业A主动向公众披露的碳排放的基本信息，该部分信息数据可向所有投资者公开、共享。换言之，各个投资者所获得的基本碳排放信息是一致的，不存在程度上的不同。
专属碳信息：专属碳信息是指企业A为了刺激不同的投资者的投资意愿，提供给各个企业不同程度的碳排放信息，因此各个投资者获得的专属自身的碳排放信息，并且在披露程度上有所不同。
共享碳信息：各个投资者在获得企业A的碳排放信息后会不同程度地向其他投资者透露，因此每个投资者在已获得的碳排放信息的基础上会根据其他投资者披露的碳排放信息整理产生一部分额外的碳排放信息，这部分碳排放数据信息称之为共享碳信息。
参考图2，图2是本发明实施例提供的一种优化碳信息披露方案的方法的流程图。如图2所示，本发明实施例提供的一种优化碳信息披露方案的方法包括以下步骤：
步骤一：初始参数设定。具体地，步骤一包括以下子步骤：
初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1。
步骤二：迭代开始，初始化树木位置。具体地，步骤二包括以下子步骤：
在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，其中Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D。
步骤三：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移。具体地，步骤三包括以下子步骤：
若rand＜ST1，则令Slsnd(it)＝Tld(it-1)+α(Bd-Tld(it-1))，Slsnd(it)表示第it代种群中第l棵树木的第sn个种子的第d维位置；
若
则令Slsnd(it)＝Tld(it-1)+α(Trd(it-1)-Tld(it-1))；
若
则令Slsnd(it)＝Rand()，其中，rand为随机数，α为缩放因子，Rand()为随机位置，三者取值均在0到1之间，t为算法当前运行时间，Bd表示最优方案的第d维位置，Trd表示种群中除树木l之外的任一个体的第d维位置。
改进树种算法的增加了随机个体，以便于算法在迭代过程中跳出局部最优，扩大算法的全局搜索能力。通过控制算法搜索趋势因子，在迭代过程中不断自适应调整算法选择随机位置的概率，最终可以使得算法在运行后期选择随机位置的概率不断增加，主要体现在步骤三中。
步骤四：计算子代适应度，更新种群。
步骤五：判断是否种群内所有都被遍历，如果是，进入步骤六；如果否，返回步骤三。
步骤六：更新迭代次数。
步骤七：判断是否达到算法终止时间，如果是，则进入步骤八；如果否则返回步骤二。
步骤八：输出最优碳信息披露方案。
具体地，本发明实施例提供的一种优化碳信息披露方案的方法包括以下步骤：
步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，其中Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
步骤4：令前考虑的树木序号l＝1；
步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
步骤6：令当前考虑的种子序号为sn＝1；
步骤7：令d＝1；
步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
步骤14：更新当前最好解B；
步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
步骤16：输出当前最优解B，作为最优碳信息披露方案。
在一种实施方式中，该方法还包括：
按照以下公式确定投资者Ti投资企业的资金Wi：
其中，invest()表示投资量随着碳信息披露程度变化的函数，
表示企业提供给各个投资者的专属碳信息披露程度,表示企业提供给各个投资者的共享碳信息披露程度，Wi在区间[Li，Ui]范围内波动。
在投资决策过程中，每个投资者对于企业A的投资意愿都不尽相同，考虑到碳排放信息披露对于投资者投资意愿的影响作用，假设投资者Ti愿意投资企业A的资金Wi在区间[Li，Ui]范围内波动。投资者会根据企业A基本的碳信息披露程度Cbasic、企业A给予其的专属碳信息披露程度以及共享碳信息披露程度
来决定具体的投资金额，可表达成如下的函数关系：
在一种实施方式中，所述invest()为增函数。
碳信息披露程度和融资量之间呈正相关关系，因此，invest()为增函数。
在一种实施方式中，所述方法还包括：
按照以下公式确定VΔ：
其中，value-add()为企业价值随着融资资本增加的增值函数，为总投资资本。
就企业A而言，一方面由于碳排放信息的披露，投资者们的资金会增加进而带来企业价值的增加。假设企业价值增加VΔ与总投资资本
的关系为
在一种实施方式中，所述方法还包括：
按照以下公式确定
其中，value-loss()表示企业价值随着碳信息披露带来的风险损失函数。
就企业A而言，另一方面，过多的碳排放信息披露会带来一定的商业风险，尤其是在考虑到投资者们之间的信息共享行为。假设企业价值损失
与碳排放信息披露程度之间的关系为
其中，value-loss()表示企业价值随着碳信息披露带来的风险损失函数。
在一种实施方式中，所述方法还包括：
按照以下公式确定
在一种实施方式中，所述方法还包括：
经历信息披露过后，按照以下公式确定企业的最终价值变化V：
企业A需要决策合适的碳排放信息披露程度以获得最大的企业价值增加。经历信息披露过后，企业的最终价值变化可表示为
还可表示为
在一种实施方式中，所述方法还包括：
按照以下公式确定投资者Ti投资企业的资金Wi：
其中，invest()表示投资量随着碳信息披露程度变化的函数，
表示企业提供给各个投资者的专属碳信息披露程度,
表示企业提供给各个投资者的共享碳信息披露程度，Wi在区间[Li，Ui]范围内波动。
在投资决策过程中，每个投资者对于企业A的投资意愿都不尽相同，考虑到碳排放信息披露对于投资者投资意愿的影响作用，假设投资者Ti愿意投资企业A的资金Wi在区间[Li，Ui]范围内波动。投资者会根据企业A基本的碳信息披露程度Cbasic、企业A给予其的专属碳信息披露程度
以及共享碳信息披露程度
来决定具体的投资金额，可表达成如下的函数关系：
其中，invest()表示投资量随着碳信息披露程度变化的函数。
在一种实施方式中，所述方法还包括：
按照以下步骤计算第it代种群中第l棵树木的适应度fitnessl(it)：
步骤a：令d＝1，第it代种群中第l棵树木表示为Tl(it)＝{Tl1(it)…Tld(it)…TlD(it)}，令Wd＝invest(Tl1(it)+Tl(d+1)(it)+share(∑j∈{2，…，D，j≠d+1Tlj(it)))，令
其中，share()表示各个投资者之间的共享碳信息的函数；
步骤b：若d≤D-1，则令d＝d+1，否则转入下一步；
步骤c：输出
企业通过决策向各个投资者披露的碳信息程度，来控制企业的融资水平和企业风险。改进的树种算法能以最大算法企业价值增加为目标，确定企业向各个投资者披露的碳信息程度。对于第it代种群中第l棵树木，其适应度fitnessl(it)计算方式如下：
(1)令d＝1，第it代种群中第l棵树木表示为Tl(it)＝{Tl1(it)…Tld(it)…TlD(it)}
令Wd＝invest(Tl1(it)+Tl(d+1)(it)+share(∑j∈{2，…，D，j≠d+1Tlj(it)))和
(2)若d≤D-1，则令d＝d+1，否则转入下一步。
(3)输出
基于同一发明构思，本发明实施例提供了一种优化碳信息披露方案的装置。该装置包括：
第一初始化模块，用于执行步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
第二初始化模块，用于执行步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，其中Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
适应度计算模块，用于执行步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
第一设置模块，用于执行步骤4：令前考虑的树木序号l＝1；
第二设置模块，用于执行步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
第三设置模块，用于执行步骤6：令当前考虑的种子序号为sn＝1；
第四设置模块，用于执行步骤7：令d＝1；
生成模块，用于执行步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
第一判断模块，用于执行步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
第二判断模块，用于执行步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
第三判断模块，用于执行步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
第四判断模块，用于执行步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
第五判断模块，用于执行步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
更新模块，用于执行步骤14：更新当前最好解B；
第六判断模块，用于执行步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
输出模块，用于执行步骤16：输出当前最优解B，作为最优碳信息披露方案。
由于本实施例所介绍的优化碳信息披露方案的装置为可以执行本发明实施例中的优化碳信息披露方案的方法的装置，故而基于本发明实施例中所介绍的优化碳信息披露方案的方法，本领域所属技术人员能够了解本实施例的优化碳信息披露方案的装置的具体实施方式以及其各种变化形式，所以在此对于该优化碳信息披露方案的装置如何实现本发明实施例中的优化碳信息披露方案的方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中优化碳信息披露方案的方法所采用的装置，都属于本申请所欲保护的范围。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。
Claims (3)
1.一种基于改进树种算法优化碳信息披露方案的方法，其特征在于，所述方法用于确定企业向各个投资者披露的碳信息程度，所述方法包括：
步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
步骤4：令前考虑的树木序号l＝1；
步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
步骤6：令当前考虑的种子序号为sn＝1；
步骤7：令d＝1；
步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
步骤14：更新当前最好解B；
步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
步骤16：输出当前最优解B，作为最优碳信息披露方案。
2.根据权利要求1所述的方法，其特征在于，步骤8包括：
若rand＜ST1，则令Slsnd(it)＝Tld(it-1)+α(Bd-Tld(it-1))，Slsnd(it)表示第it代种群中第l棵树木的第sn个种子的第d维位置；
若
则令Slsnd(it)＝Tld(it-1)+α(Trd(it-1)-Tld(it-1))；
若
则令Slsnd(it)＝Rand()，其中，rand为随机数，α为缩放因子，Rand()为随机位置，三者取值均在0到1之间，t为算法当前运行时间，Bd表示最优方案的第d维位置，Trd表示种群中除树木l之外的任一个体的第d维位置。
3.一种优化碳信息披露方案的装置，其特征在于，所述装置用于确定企业向各个投资者披露的碳信息程度，所述装置包括：
第一初始化模块，用于执行步骤1：初始化算法参数，包括：种群数目POP、搜索趋势控制参数ST1和ST2、问题维度D、算法迭代终止时间T，D＝N+1；
第二初始化模块，用于执行步骤2：在D维解空间初始化POP棵树木的初始位置，记作POP(0)＝{T1(0)…Tl(0)…TN(0)}，其中，Tl(0)表示初始种群中的第l棵树木，Tl(0)＝{Tl1(0)…Tld(0)…TlD(0)}，其中，Tl1(0)表示企业向各个投资者披露的基本碳信息程度系数，Tld(0)表示企业向第d-1个投资者披露的专属碳信息的程度系数，Tld(0)的取值在0到1-Tl1(0)之间，其中，2≤d≤D；
适应度计算模块，用于执行步骤3：依次计算每棵树木的适应度值，记作Fit(0)＝{F1(0)…Fl(0)…FN(0)}，其中Fl(0)表示初始种群中的第l棵树木的适应度值，记录当前种群适应度值最大的个体作为当前最好解为B并令当前迭代次数it＝1；
第一设置模块，用于执行步骤4：令前考虑的树木序号l＝1；
第二设置模块，用于执行步骤5：随机设置第l棵树木的种子的数目SN∈[10％N，25％N]；
第三设置模块，用于执行步骤6：令当前考虑的种子序号为sn＝1；
第四设置模块，用于执行步骤7：令d＝1；
生成模块，用于执行步骤8：树木根据规则生成子代树种，该规则包括：向种群内随机父代个体迁移，向种群内最优父代个体迁移，以及向随机位置方向迁移；
第一判断模块，用于执行步骤9：判断d是否不大于D，若是则令d＝d+1并转到步骤8；
第二判断模块，用于执行步骤10：依次判断第sn种子的第2维到第D维的数值是否小于等于1-Tl1(it)，若不满足，则减少Tl1(it)使得第sn种子的第2维到第D维的数值小于等于1-Tl1(it)，并计算第sn种子的适应度值；
第三判断模块，用于执行步骤11：判断sn是否不大于SN，若是则令sn＝sn+1并转到步骤7；
第四判断模块，用于执行步骤12：判断第l棵树木最优的种子的适应度值是否小于第l棵树木的适应度值，若是则利用该种子的位置替换第l棵树木的位置；
第五判断模块，用于执行步骤13：判断l是否不大于N，若是则令l＝l+1并转到步骤5；
更新模块，用于执行步骤14：更新当前最好解B；
第六判断模块，用于执行步骤15：判断当前算法运行时间是否不大于T，若是则令it＝it+1并转到步骤4；
输出模块，用于执行步骤16：输出当前最优解B，作为最优碳信息披露方案。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910095664.3A CN109754354B (zh) | 2019-01-31 | 2019-01-31 | 优化碳信息披露方案的方法和装置 |
| PCT/CN2019/084248 WO2020155436A1 (zh) | 2019-01-31 | 2019-04-25 | 优化碳信息披露方案的方法、***和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910095664.3A CN109754354B (zh) | 2019-01-31 | 2019-01-31 | 优化碳信息披露方案的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109754354A CN109754354A (zh) | 2019-05-14 |
| CN109754354B true CN109754354B (zh) | 2020-02-18 |
Family
ID=66407266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910095664.3A Expired - Fee Related CN109754354B (zh) | 2019-01-31 | 2019-01-31 | 优化碳信息披露方案的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109754354B (zh) |
| WO (1) | WO2020155436A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182963B (zh) * | 2020-09-24 | 2022-09-30 | 中国人民解放军空军工程大学 | 一种基于投影螺旋分群涡流搜索算法的多传感器调度方案优化方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050108406A (ko) * | 2003-03-17 | 2005-11-16 | 가부시키가이샤 아이.피.비. | 기업가치 평가장치 및 기업가치평가 프로그램 |
| US9524218B1 (en) * | 2013-09-09 | 2016-12-20 | EMC IP Holding Company LLC | Leverage fast VP extent-level statistics within CDP environments |
| KR101851367B1 (ko) * | 2016-07-28 | 2018-04-23 | 코리아크레딧뷰로 (주) | 신용도를 평가하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
| CN108416074B (zh) * | 2017-04-20 | 2022-03-22 | 中山大学 | 一种基于残余力向量法和树种算法的结构损伤识别二步法 |
-
2019
- 2019-01-31 CN CN201910095664.3A patent/CN109754354B/zh not_active Expired - Fee Related
- 2019-04-25 WO PCT/CN2019/084248 patent/WO2020155436A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| CN109754354A (zh) | 2019-05-14 |
| WO2020155436A1 (zh) | 2020-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Risk prediction in financial management of listed companies based on optimized BP neural network under digital economy | |
| WO2021155706A1 (zh) | 利用不平衡正负样本对业务预测模型训练的方法及装置 | |
| CN110414716B (zh) | 一种基于LightGBM的企业失信概率预测方法及*** | |
| Egloff et al. | A dynamic look-ahead Monte Carlo algorithm for pricing Bermudan options | |
| CN109345027B (zh) | 基于独立成分分析与支持向量机的微电网短期负荷预测方法 | |
| CN107506865B (zh) | 一种基于lssvm优化的负荷预测方法及*** | |
| CN111476422A (zh) | 一种基于机器学习框架下LightGBM的建筑冷负荷预测方法 | |
| CN106570631B (zh) | 一种面向p2p平台运营风险评估的方法和*** | |
| CN115470862A (zh) | 动态自适应负荷预测模型组合方法 | |
| CN109754354B (zh) | 优化碳信息披露方案的方法和装置 | |
| CN110738565A (zh) | 基于数据集合的房产金融人工智能复合风控模型 | |
| CN114139893A (zh) | 一种碳排放影响因素分析与指标评估方法及装置 | |
| CN108629381A (zh) | 基于大数据的人群筛选方法及终端设备 | |
| CN111898901A (zh) | 一种基于LightGBM的量化投资计算方法、存储介质及设备 | |
| CN111563614A (zh) | 一种基于自适应神经网络与tlbo算法的负荷预测方法 | |
| CN111028086A (zh) | 基于聚类与lstm网络的增强指数跟踪方法 | |
| Yong | Unemployment and the European Union, 2000–2017: structural exploration of distant past economic experience and future prosperity | |
| Branco et al. | Learning through utility optimization in regression tasks | |
| CN112784908A (zh) | 一种基于极度不平衡数据分类的动态自步集成方法 | |
| Wei et al. | A multi-objective multi-tasking evolutionary algorithm based inverse mapping and adaptive transformation strategy: IM-MFEA | |
| CN111626465A (zh) | 一种新能源功率短期区间预测方法及*** | |
| Xue et al. | The impact of pollution transmission networks in a transboundary pollution game | |
| Sun et al. | Multi-strategy synthetized equilibrium optimizer and application | |
| CN117649528B (zh) | 一种半监督图像分割方法、***、电子设备及存储介质 | |
| Supriyanto | Comparison of Grid Search and Evolutionary Parameter Optimization with Neural Networks on JCI Stock Price Movements during the Covid 19 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200218 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |