结构重组的细菌觅食优化算法及其在投资组合问题上的应用
为了提高细菌觅食优化(BFO)算法的收敛速度,降低它的计算复杂性,从结构设计的新思路提出了结构重组的细菌觅食优化(SRBFO)算法.借鉴粒子群算法(PSO)中单循环结构的优点,对细菌觅食算法的结构重新设计,采用复制频数、驱散-死亡频数、趋化次数三个参数来判断复制、驱散-死亡操作的进行,在不违背原始算法的基本思想的前提下,将嵌套循环结构简化为新的执行结构.为了验证该算法的有效性以及可行性,首先将SRBFO算法与BFO算法在四个常见的测试函数上进行仿真,结果表明SRBFO算法既保持了原算法的优点,又能大大降低计算时间.接着将SRBFO算法应用于求解带有交易费用和不允许卖空的投资组合优化问题.考虑了三种对风险态度的投资者,选择了较为困难的8个资产的投资问题进行仿真,并将结果与PSO和SPSO算法对比,再一次证明了SRBFO算法在寻找最优投资组合的有效性以及可行性.
投资组合 细菌觅食优化算法 结构重组 建模仿真
牛奔 毕莹 郭晨
深圳大学管理学院,广东 深圳 518060;香港理工大学工学院,香港 九龙 999077 深圳大学管理学院,广东 深圳 518060 湖北大学商学院,湖北 武汉 430062
国内会议
太原
中文
205-211
2014-10-17（万方平台首次上网日期，不代表论文的发表时间）