改进的粒子群算法及在CVaR模型中的应用

摘要：

为了求解带有条件风险价值(CVaR)约束的均值-方差模型,提出一种基于广义学习和柯西变异的粒子群算法(CCPSO).在CCPSO算法中,为了提升种群跳出局部最优解的能力,引入一种广义学习策略,提升粒子向最优解飞行的概率；并引入一种动态变异概率,对粒子自身最优位置进行柯西变异,更好地引导种群的飞行；最后,根据全局最优粒子的运行状况,每间隔若干代对其进行变异,以产生全局新的领导者.在基准函数测试中,结果显示CCPSO算法有较好的运行结果.在CVaR模型投资组合优化中,与其它算法相比,CCPSO算法所获结果是有效的,并且优于其它算法.

关键词：广义学习、粒子群算法、柯西变异、条件风险价值(CvaR)

所属期刊栏目：41

分类号：TP3;TM7

资助基金：贵州教育厅社科项目0705204,10ZC077;遵市科技局项目[2008]21

在线出版日期：2012-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：139-147