基于自适应均匀变异人工鱼群投资组合优化算法的研究

发布时间：2018-03-12 08:37

  本文选题：人工鱼群　切入点：均匀变异　出处：《数学的实践与认识》2017年08期 　论文类型：期刊论文

【摘要】：投资市场具有一定的风险,影响因素包括经济、政治、市场自身规律等,根据市场机制构建合适的投资组合模型,可以有效降低市场风险,提高投资回报率.人工鱼群算法是模仿自然界鱼类的一种人工智能优化算法,具有较好的优化能力,但有时会陷入局部最优解.首先将人工鱼群算法与均匀变异相结合,加入均匀变异随机数,使算法能够跳出局部最优解,得到全局最优,从而提高算法精度.然后采用改进人工鱼群算法对投资组合模型进行优化求解.实验表明,改进人工鱼群算法具有较好的收敛精度和收敛速度,对投资组合模型的求解效果更好,风险下降,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,

【作者单位】： 天津商业大学经济学院;天津商业大学信息工程学院;
【基金】：国家软科学研究计划(2014GXS4D089) 天津市高等学校科技发展基金计划项(20110709)
【分类号】：F830.9;TP18

【相似文献】

相关期刊论文 前10条

1 曲良东;何登旭;;改进的人工鱼群算法及其在近似求导中的应用[J];微电子学与计算机;2009年05期

2 王联国;洪毅;赵付青;余冬梅;;一种简化的人工鱼群算法[J];小型微型计算机系统;2009年08期

3 王宗利;刘希玉;王文平;;一种改进的人工鱼群算法[J];信息技术与信息化;2010年03期

4 韦修喜;曾海文;周永权;;云人工鱼群算法[J];计算机工程与应用;2010年22期

5 曾蒙迪;;人工鱼群算法的简介及应用[J];信息与电脑(理论版);2011年04期

6 李媛;;基于人工鱼群算法的多元线性回归分析问题处理[J];渤海大学学报(自然科学版);2011年02期

7 陈晓峰;宋杰;;量子人工鱼群算法[J];东北大学学报(自然科学版);2012年12期

8 王波;;基于细胞膜优化的人工鱼群算法研究[J];科技通报;2013年03期

9 王培崇;;人工鱼群算法研究综述[J];中国民航飞行学院学报;2013年04期

10 李晓磊,薛云灿,路飞,田国会;基于人工鱼群算法的参数估计方法[J];山东大学学报(工学版);2004年03期

相关会议论文 前3条

1 李晓磊;钱积新;;人工鱼群算法:自下而上的寻优模式[A];过程系统工程2001年会论文集[C];2001年

2 徐公林;张铁龙;;人工鱼群算法在电力系统负荷模型参数辨识中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

3 刘耀年;姚玉萍;李迎红;刘俊峰;;基于人工鱼群算法RBF神经网络[A];第十届全国电工数学学术年会论文集[C];2005年

相关博士学位论文 前4条

1 王联国;人工鱼群算法及其应用研究[D];兰州理工大学;2009年

2 姚正华;改进人工鱼群智能优化算法及其应用研究[D];中国矿业大学;2016年

3 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

4 张梅凤;人工鱼群智能优化算法的改进及应用研究[D];大连理工大学;2008年

相关硕士学位论文 前10条

1 陈斐;改进的人工鱼群算法分析与研究[D];西安电子科技大学;2012年

2 王蕾;一种人工萤火虫群优化算法改进的研究[D];青岛理工大学;2015年

3 马尧;基于改进的人工鱼群算法在商旅问题中的应用研究[D];西南交通大学;2015年

4 薛亚娣;改进的人工鱼群算法及其应用研究[D];兰州大学;2015年

5 彭鹏;配电网无功优化和跟踪调节技术研究[D];沈阳理工大学;2015年

6 崔淑慧;三维管路自动敷设算法及干涉校验方法研究[D];哈尔滨工业大学;2015年

7 黄锋;混沌人工鱼群算法及其在水库(群)优化调度中的应用[D];华北电力大学;2015年

8 刘翔;基于改进人工鱼群算法的化工过程优化[D];北京化工大学;2015年

9 喻俊松;基于改进人工鱼群算法无人机航迹规划研究[D];南昌航空大学;2015年

10 陈新;基于人工鱼群算法的柔性作业车间调度研究[D];大连理工大学;2015年

，

本文编号：1600801