求解带约束投资组合模型的量子粒子群算法

发布时间：2021-07-25 20:42

　　针对量子粒子群算法（QPSO）在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。 

【文章来源】：重庆工商大学学报(自然科学版). 2020,37(06)

【文章页数】：5 页

【文章目录】：
0 引言
1 改进的QPSO算法
2 性能测试
3 应用实例
4 结束语


【参考文献】：
期刊论文
[1]一种融合差分进化的量子粒子群优化算法[J]. 张兰,聂玉峰.  计算机仿真. 2016(02)
[2]基于演化搜索信息的量子行为粒子群优化算法[J]. 赵吉,程成.  计算机工程与应用. 2017(09)
[3]基于精英学习的量子行为粒子群算法[J]. 章国勇,伍永刚,顾巍.  控制与决策. 2013(09)
[4]具有量子行为的协同粒子群优化算法[J]. 周頔,孙俊,须文波.  控制与决策. 2011(04)



本文编号：3302744