基于天牛须搜索的粒子群优化算法求解投资组合问题

发布时间：2021-11-07 03:12

　　粒子群算法（PSO）作为一种群智能算法,有效提高了投资组合模型的实用性,但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点,本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO）,并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO）,每个粒子的更新规则源自BAS,在每次迭代中都有自己对环境空间的判断,而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解,从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性. 

【文章来源】：计算机系统应用. 2019,28(02)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]一种求解基数约束投资组合优化的混合粒子群算法[J]. 朱沙,陈臣.  统计与决策. 2016(10)
[2]改进的PSO算法及其在证券组合投资中的应用[J]. 吴喆珺.  武汉职业技术学院学报. 2014(01)
[3]基于捕食策略的粒子群算法求解投资组合问题[J]. 刘冬华,甘若迅,樊锁海,杨明华.  计算机工程与应用. 2013(06)
[4]基于PSO的考虑完整费用的证券组合优化研究[J]. 杨建辉,江文婷.  计算机应用研究. 2010(09)
[5]基于改进粒子群算法的投资组合选择模型[J]. 陈炜,张润彤,杨玲.  计算机科学. 2009(01)
[6]基于微粒群算法的最佳证券投资组合研究[J]. 刘晓峰,陈通,张连营.  系统管理学报. 2008(02)



本文编号：3481042