當(dāng)前位置：主頁(yè) > 經(jīng)濟(jì)論文 > 投融資論文 >

多目標(biāo)協(xié)同進(jìn)化算法研究及其在投資組合中的應(yīng)用

發(fā)布時(shí)間：2020-06-26 05:31

【摘要】：在工程及科學(xué)研究領(lǐng)域中,存在許多復(fù)雜的優(yōu)化問(wèn)題,而這些優(yōu)化問(wèn)題一般會(huì)存在兩個(gè)或兩個(gè)以上相互制約的優(yōu)化目標(biāo),對(duì)這些目標(biāo)不能同時(shí)求解到最優(yōu)的結(jié)果。因此,這些優(yōu)化問(wèn)題便成為優(yōu)化領(lǐng)域的難題。由于進(jìn)化算法是基于種群,模擬生物進(jìn)化的算法,在一次運(yùn)行后可以獲得多個(gè)帕累托最優(yōu)解,非常適合用于解決多目標(biāo)優(yōu)化問(wèn)題,所以采用進(jìn)化算法對(duì)多目標(biāo)優(yōu)化問(wèn)題進(jìn)行研究具有重要意義。本文主要工作是通過(guò)閱讀大量的國(guó)內(nèi)外相關(guān)文獻(xiàn),在認(rèn)真學(xué)習(xí)多目標(biāo)優(yōu)化理論和進(jìn)化算法理論基礎(chǔ)上,對(duì)多目標(biāo)進(jìn)化算法進(jìn)行深入研究。針對(duì)多目標(biāo)優(yōu)化問(wèn)題和投資組合問(wèn)題設(shè)計(jì)高效的求解策略,并對(duì)其進(jìn)行相應(yīng)的實(shí)驗(yàn)和理論分析。本論文的主要研究?jī)?nèi)容如下:首先,針對(duì)多目標(biāo)優(yōu)化問(wèn)題,本文提出一個(gè)基于分解的多目標(biāo)協(xié)同進(jìn)化算法(A Novel Multi-objective Co-evolutionary Algorithm Based on Decomposition Approach,MCEA)。該算法提出一種動(dòng)態(tài)資源分配策略,用于協(xié)同進(jìn)化算法框架中�？紤]到多目標(biāo)優(yōu)化問(wèn)題每個(gè)目標(biāo)的計(jì)算難度各不相同,那么優(yōu)化這些目標(biāo)所需的計(jì)算資源也就不同。因此,提出動(dòng)態(tài)資源分配策略對(duì)計(jì)算資源進(jìn)行合理分配。另外,由于差分進(jìn)化操作DE具有較高的全局搜索能力,本文設(shè)計(jì)一個(gè)強(qiáng)有力的自適應(yīng)DE選擇算子運(yùn)行與子種群和存檔之間,使其提高種群的收斂性和多樣性。實(shí)驗(yàn)仿真結(jié)果證明,同對(duì)比算法相比,MCEA的性能表現(xiàn)最好,以及提出的策略可充分提高M(jìn)CEA的性能。其次,針對(duì)投資組合優(yōu)化問(wèn)題,利用多目標(biāo)進(jìn)化算法求解資金分配最優(yōu)比,提出基于多目標(biāo)協(xié)同進(jìn)化算法的投資組合優(yōu)化(A multi-objective co-evolutionary algorithm for constrained portfolio optimization,CMCPO)。為搜尋投資組合問(wèn)題的邊界點(diǎn),該算法引入多種群多目標(biāo)機(jī)制,分別對(duì)投資組合問(wèn)題的各目標(biāo)進(jìn)行搜索。另外,設(shè)計(jì)一個(gè)參數(shù)自適應(yīng)的DE算子,使CMCPO算法具有更好的收斂性和多樣性。通過(guò)實(shí)驗(yàn)仿真結(jié)果表明,在解決投資組合問(wèn)題時(shí),CMCPO同對(duì)比算法相比表現(xiàn)出更好的性能。另外,通過(guò)實(shí)驗(yàn)證明,設(shè)計(jì)的參數(shù)自適應(yīng)DE算子可以提高CMCPO的性能。最后,對(duì)本論文主要工作進(jìn)行總結(jié),并對(duì)今后的研究方向進(jìn)行展望。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP18;F830.59
【圖文】：

投資組合,問(wèn)題解,表達(dá)形式