基于天牛须搜索的粒子群优化算法求解投资组合问题

• 作者: 殷贺 江红莉 王露 陈婷婷
• 来源期刊: 计算机系统应用
• 关键词: 天牛须搜索(BAS) 粒子群算法(PSO) 投资组合模型
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 171-176
• 页数: 6页
• 字数: 5233字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006771

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷贺	江苏大学财经学院	3	21	3.0	3.0
2	江红莉	江苏大学财经学院	30	116	7.0	9.0
3	王露	江苏大学财经学院	7	24	3.0	4.0
4	陈婷婷	江苏大学理学院	16	49	4.0	6.0