群智能算法搜索分析和投资组合问题研究

发布时间：2021-04-19 17:48

　　群智能是一类算法的统称,它是指人类受到自然界中各种生物群体行为的启发,通过对这些智慧行为进行模仿来找到更好的寻优策略。随着科学技术的进步,一些传统的优化方法已经无法有效地求解现实中复杂多变的问题,尤其是NP-hard问题,为此,越来越多的学者开始采用多种群的群智能优化算法来进行求解,并且表现出了显著的优势,尤其是在工程应用和科学研究领域,群智能算法越来越受到学者们的重视。Espezua等学者提出了 8种（4组）交叉遗传操作,并对每对操作可能覆盖的搜索区域大小给出定性的结果,但并没有任何的定量证明。本文对其中6种实数编码交叉操作的两两探测区域进行了定量对比分析,给出了两两搜索区域大小比较的解析结果,证明新的交叉操作与相应的原有交叉操作在保有收敛性的同时具有相对的广邻域性,从而从理论上证明了遗传算法具有保持群体多样性和较好算法性能的内在原因。针对差分进化算法存在的收敛速度慢、易陷入局部最优解等缺点,本文提出一种融入聚类分析的差分进化算法。首先,利用聚类分析方法将差分算法的种群进行聚类分类,抽取代表元个体,利用新的个体来替换原种群中的较差个体,去除种群中的冗余信息将种群进行优化更新,从而使得... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究目的和意义
    1.3 研究现状
    1.4 研究内容和主要贡献
    1.5 论文结构安排
第二章 基础知识介绍
    2.1 遗传算法的基本流程
    2.2 标准差分进化算法
    2.3 投资组合优化
    2.4 本章小结
第三章 六种交叉操作两两搜索区域大小的定量分析
    3.1 遗传算法中六种实数编码的交叉操作
    3.2 三对交叉操作搜索区域对比的定量分析
    3.3 本章小结
第四章 基于聚类分析的差分算法协作研究
    4.1 基于聚类分析的差分算法思想描述
        4.1.1 聚类分析算法
        4.1.2 算法思想
        4.1.3 算法步骤
        4.1.4 算法流程图
    4.2 仿真实验与结果分析
        4.2.1 不同聚类分析方法与差分进化算法的协作性分析
        4.2.2 算法综合对比实验
    4.3 本章小结
第五章 基于DEClu算法的均值-VaR投资组合优化
    5.1 均值-VaR模型的建立
    5.2 约束处理
    5.3 数值模拟及结果分析
        5.3.1 资产选取
        5.3.2 数据的预处理和算法参数设置
        5.3.3 实验结果分析
    5.4 本章小结
第六章 总结与展望
参考文献
致谢
攻读学位期间取得的研究成果


【参考文献】：
期刊论文
[1]基于FCM聚类算法的电能表标准装置监测数据分析与研究[J]. 左黎斌,何傲,王昕,何東莹,赵楠.  软件. 2018(06)
[2]基于K-means算法的电能表检定误差分析与研究[J]. 何傲,左黎斌,王昕,何東莹,赵楠.  软件. 2018(06)
[3]移动机器人养老服务路径规划的粒子群算法研究[J]. 陈曦斌,焦明海,刘昊汧,程亦然,张浩.  软件. 2018(06)
[4]基于工作流的软件测试过程模型研究[J]. 颜乐鸣.  软件. 2018(05)
[5]基于二进制GA的B样条重构曲线节点优化[J]. 胡良臣,寿华好.  软件学报. 2016(10)
[6]基于强化学习的SBS云应用自适应性能优化方法[J]. 闫永明,张斌,郭军,孟煜.  计算机学报. 2017(02)
[7]多变异策略差分进化算法的研究与应用[J]. 吕铭晟,沈洪远,李志高,王汐,龚明,王俊年.  计算机工程. 2014(12)
[8]基于阈值统计学习的差分进化引力搜索算法[J]. 张英杰,龚中汉.  计算机研究与发展. 2014(10)
[9]基于非均匀变异和多阶段扰动的粒子群优化算法[J]. 赵新超,刘国莅,刘虎球,赵国帅.  计算机学报. 2014(09)
[10]基于DCA-PSO算法的均值-VaR投资组合优化[J]. 见静,高岳林.  计算机工程与应用. 2012(27)

博士论文
[1]聚类分析及其应用研究[D]. 唐东明.电子科技大学 2010

硕士论文
[1]基于改进人工鱼群算法优化投资组合模型的研究[D]. 周修飞.天津商业大学 2017



本文编号：3148018