基于混合遺傳算法的組合投資問(wèn)題.pdf

1、該文把交易成本和股票的整手買賣引入含有風(fēng)險(xiǎn)偏好的Markowitz組合投資模型,并對(duì)證券組合進(jìn)行分類約束來(lái)降低風(fēng)險(xiǎn),從而構(gòu)造了含有約束的混合整數(shù)非線性規(guī)劃模型.遺傳算法是一類模擬自然界生物進(jìn)化過(guò)程與機(jī)制,求解問(wèn)題的自組織和自適應(yīng)的人工智能技術(shù).由于其運(yùn)行簡(jiǎn)單和解決問(wèn)題的有效能力而被廣泛應(yīng)用到眾多領(lǐng)域.但是它也容易產(chǎn)生早熟現(xiàn)象以及局部搜索能力比較差.所以對(duì)很多問(wèn)題而言,基本遺傳算法并不是解決問(wèn)題的最有效方法,而將遺傳算法與問(wèn)題的特有知識(shí)集

2、成到一起所構(gòu)成的混合遺傳算法卻有可能產(chǎn)生出性能極佳的方法.該文針對(duì)上述含有約束的混合整數(shù)非線性規(guī)劃問(wèn)題設(shè)計(jì)了一種新的啟發(fā)式算法——混合遺傳算法.它將遺傳算法、模擬退火算法和動(dòng)態(tài)懲罰函數(shù)法結(jié)合在一起,用模擬退火算法來(lái)彌補(bǔ)遺傳算法局部搜索能力差的不足,又采用動(dòng)態(tài)懲罰函數(shù)來(lái)處理約束問(wèn)題,這種算法能夠避免問(wèn)題陷入局部搜索,且適當(dāng)擴(kuò)大了搜索的范圍.最后,該文通過(guò)示例分析了該算法與遺傳算法的求解效率.示例證明混合遺傳算法提高了求解效率,是合理的和有