基于雜合遺傳算法的portfolio整數(shù)規(guī)劃模型(編輯修改稿)
2025-06-09 23:13 本頁面
【文章內(nèi)容簡介】 opsizen個染色體。1） HNNS學(xué)習(xí)。用上一步的方法選擇n個適應(yīng)值較高的染色體，i=1,2,…,n，作為狀態(tài)向量，然后對每個染色體進行學(xué)習(xí)。學(xué)習(xí)算法為： PL1 分別取。，為初始狀態(tài)。 PL2 如果第t代染色體，i=1,2,…n,已知，則t+1代染色體 =， 為學(xué)習(xí)算子 的第j個分量， 而，k=1,2,…,m 這里，m是樣本觀察次數(shù)，為第k次觀察第j種證券的收益率，為第k次觀察的收益率向量。對每個染色體學(xué)習(xí)給定次數(shù)得到n個染色體作為下一代。最后，對非整向量進行四舍五入取整，并使其可行化。 2） 交叉。本文采用單點交叉，首先設(shè)定參數(shù)為交叉概率。為了確定交叉操作的父代，從i=1到popsize重復(fù)以下過程：從[0，1]中產(chǎn)生隨機數(shù)r，若r≤，則選擇染色體為 父代。把被選擇的父代表示為、 、 、…，然后把它們進行配對（、）、( 、 )、…，再從[1，n]中產(chǎn)生隨機整數(shù)c，對每對染色體第c位進行交換，得到新的染體。如果得到的染色體不是可行解，那么對它們進行可行化。方法同初始化過程的可行化方法。 7）變異。首先設(shè)定參數(shù)為變異概率，按照類似于交叉過程中選擇父代的過程，從i=1到popsize重復(fù)以下過程：從[0，1]中產(chǎn)生隨機數(shù)r，若r≤，則選擇染色體為父代，把被選擇的父代表示為、 、 、…，然后按下面的方法進行變異操作：在搜索空間中產(chǎn)生隨機變異方向d，令=+Md。如果+Md不可行，那么置M為[0，M]中隨機整數(shù)，直到其可行為止。其中M為足夠大正整數(shù)。如果在給定迭代次數(shù)內(nèi)得不到可行解，則置M為0。 通過選擇、BP操作、交叉和變異，生成新一代染色體，再通過上述三種方法，生成更新的染色體。給定進化代數(shù)G，共進行G次選擇、BP操作、交叉和變異操作，然后從中找出最優(yōu)解。 綜上所述，解決組合投資選擇問題的遺傳算法如下： STEP 0 輸入?yún)?shù)popsize, , , G, Y。 STEP 1 從搜索空間中隨機產(chǎn)生popsize個染色體，并對其進行可行化。 STEP 2 通過交叉、變異操作，更新染色體。 STEP 3 計算染色體的適應(yīng)值，采用輪盤賭和BP操作來選擇下一代染色體。 STEP 4 重復(fù)STEPSTEP3共G次。 STEP 5 記錄最好的染色體，作為問題的最優(yōu)解。4 實例本文考慮上海證券市場的十種具有代表性的股票進行組合投資。以它們2000年中17周的周收益率作為它們的實際收益率，數(shù)據(jù)摘于證券市場周刊，具體數(shù)據(jù)見表1。股票價格表1 上海證券市場十種具有代表性的股票2000年十七周的周收益率（ %）股票代碼6001046000016000096000054600000600057600085600690600095600100 周收益率12345
公司管理相關(guān)推薦
鄂ICP備17016276號-1