本文選題：人工魚群　切入點(diǎn)：均勻變異　出處：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2017年08期 　論文類型：期刊論文

【摘要】：投資市場具有一定的風(fēng)險(xiǎn),影響因素包括經(jīng)濟(jì)、政治、市場自身規(guī)律等,根據(jù)市場機(jī)制構(gòu)建合適的投資組合模型,可以有效降低市場風(fēng)險(xiǎn),提高投資回報(bào)率.人工魚群算法是模仿自然界魚類的一種人工智能優(yōu)化算法,具有較好的優(yōu)化能力,但有時(shí)會(huì)陷入局部最優(yōu)解.首先將人工魚群算法與均勻變異相結(jié)合,加入均勻變異隨機(jī)數(shù),使算法能夠跳出局部最優(yōu)解,得到全局最優(yōu),從而提高算法精度.然后采用改進(jìn)人工魚群算法對投資組合模型進(jìn)行優(yōu)化求解.實(shí)驗(yàn)表明,改進(jìn)人工魚群算法具有較好的收斂精度和收斂速度,對投資組合模型的求解效果更好,風(fēng)險(xiǎn)下降,收益增加、
[Abstract]:The investment market has certain risk factors, including economic, political, market rules, according to the portfolio model is suitable to construct the market mechanism, can effectively reduce the market risk, improve the rate of return on investment. The artificial fish swarm algorithm is an artificial intelligence optimization algorithm imitating the natural fish, has good optimization ability, but sometimes first of all to fall into local optimal solution. The artificial fish swarm algorithm and uniform mutation combined into uniform mutation random number, the algorithm can jump out of local optimal solution, get the global optimal algorithm, so as to improve the accuracy. Then the improved artificial fish swarm algorithm to optimize the portfolio investment model. Experimental results show that the improved artificial fish swarm algorithm has the convergence accuracy and better convergence speed, better effect on Solving Portfolio Model of risk reduction, revenue increase,

【作者單位】： 天津商業(yè)大學(xué)經(jīng)濟(jì)學(xué)院;天津商業(yè)大學(xué)信息工程學(xué)院;
【基金】：國家軟科學(xué)研究計(jì)劃(2014GXS4D089) 天津市高等學(xué)校科技發(fā)展基金計(jì)劃項(xiàng)(20110709)
【分類號(hào)】：F830.9;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曲良東;何登旭;;改進(jìn)的人工魚群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2009年05期

2 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚群算法的簡介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

8 王波;;基于細(xì)胞膜優(yōu)化的人工魚群算法研究[J];科技通報(bào);2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學(xué)院學(xué)報(bào);2013年04期

10 李曉磊,薛云燦,路飛,田國會(huì);基于人工魚群算法的參數(shù)估計(jì)方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2004年03期

相關(guān)會(huì)議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會(huì)論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識(shí)中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽理工大學(xué);2015年

6 崔淑慧;三維管路自動(dòng)敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚群算法的化工過程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚群算法無人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：1600801