發(fā)布時(shí)間：2021-11-07 03:12

　　粒子群算法（PSO）作為一種群智能算法,有效提高了投資組合模型的實(shí)用性,但存在搜索精度較低和易陷入局部最優(yōu)的缺陷.為克服其缺點(diǎn),本文提出基于天牛須搜索（BAS）的粒子群優(yōu)化算法（簡(jiǎn)稱BSO）,并將其應(yīng)用到包含完整費(fèi)用的投資組合模型中.在基于天牛須搜索的優(yōu)化算法中（BSO）,每個(gè)粒子的更新規(guī)則源自BAS,在每次迭代中都有自己對(duì)環(huán)境空間的判斷,而不僅依賴于PSO中歷史最佳解決方案和粒子個(gè)體的當(dāng)前全局最優(yōu)解,從而減少迭代次數(shù)、提高搜索速度和精度.實(shí)證結(jié)果表明算法更具穩(wěn)定性和有效性. 

【文章來源】：計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019,28(02)

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]一種求解基數(shù)約束投資組合優(yōu)化的混合粒子群算法[J]. 朱沙,陳臣.  統(tǒng)計(jì)與決策. 2016(10)
[2]改進(jìn)的PSO算法及其在證券組合投資中的應(yīng)用[J]. 吳喆珺.  武漢職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2014(01)
[3]基于捕食策略的粒子群算法求解投資組合問題[J]. 劉冬華,甘若迅,樊鎖海,楊明華.  計(jì)算機(jī)工程與應(yīng)用. 2013(06)
[4]基于PSO的考慮完整費(fèi)用的證券組合優(yōu)化研究[J]. 楊建輝,江文婷.  計(jì)算機(jī)應(yīng)用研究. 2010(09)
[5]基于改進(jìn)粒子群算法的投資組合選擇模型[J]. 陳煒,張潤(rùn)彤,楊玲.  計(jì)算機(jī)科學(xué). 2009(01)
[6]基于微粒群算法的最佳證券投資組合研究[J]. 劉曉峰,陳通,張連營(yíng).  系統(tǒng)管理學(xué)報(bào). 2008(02)



本文編號(hào)：3481042