本文關鍵詞：一種用于求解二次雙層規(guī)劃問題和雙層證券投資組合優(yōu)化模型的基于神經(jīng)網(wǎng)絡的混合算法

  更多相關文章： 雙層規(guī)劃問題 遞歸型神經(jīng)網(wǎng)絡 遺傳算法 證券投資組合

【摘要】：雙層規(guī)劃問題是由兩個優(yōu)先級不同的最優(yōu)化問題組成的,且兩個問題存在資源沖突的一類最優(yōu)化問題。該問題是最優(yōu)化問題和博弈論領域的前沿發(fā)展方向,目前正被應用于解決交通系統(tǒng)設計,企業(yè)決策與管理,政府政策制定,金融投資等問題,具有良好理論和應用價值。但由于其本身是一個NP難問題,目前尚未有行之有效的求解算法。本文設計和實現(xiàn)了一種基于人工神經(jīng)網(wǎng)絡的混合算法來求解二次雙層規(guī)劃問題。由于目前在雙層規(guī)劃問題的研究領域中,尚未有太多基于神經(jīng)網(wǎng)絡模型以及混合模型的求解算法,本研究中提出的算法無疑能為此類優(yōu)化問題的研究做出一份貢獻�？傮w來說,算法結(jié)合了一種遺傳算法以及一個遞歸神經(jīng)網(wǎng)絡。其中,遺傳算法被用于處理雙層規(guī)劃的上層問題,該算法負責選擇高質(zhì)量的可行解候補,之后將這些解傳遞到下層問題。在下層問題中,我們設計并實現(xiàn)了一種稱為參數(shù)化對偶神經(jīng)網(wǎng)絡的神經(jīng)網(wǎng)絡模型來獲取問題整體的最優(yōu)解。下一步,我們對參數(shù)化對偶神經(jīng)網(wǎng)絡的收斂性進行了分析,得出其具有指數(shù)收斂速率。在設計并實現(xiàn)了該種基于神經(jīng)網(wǎng)絡的混合算法后,我們建立了一個二次雙層規(guī)劃問題的應用模型 雙層證券投資組合優(yōu)化模型。在該模型中,我們運用雙層規(guī)劃問題對金融市場中風險和收益之間的沖突進行了建模,以為投資者選擇理想的投資方案。在實驗中,我們首先用實現(xiàn)的算法與其他學者的方法進行了對比。結(jié)果顯示,該混合算法有能力為二次雙層規(guī)劃問題求得更好的最優(yōu)解,且該求解過程能在很短時間內(nèi)完成。另外,在為此混合算法選擇了適當?shù)某跏蓟瘏?shù)的條件下,它能以很高的準確率來求得問題的最優(yōu)解,從而達到了高效、準確地對二次雙層規(guī)劃問題進行求解的目的。其次,對于雙層證券投資組合模型,我們基于日本股票市場進行了3年歷史數(shù)據(jù)的收集,并將數(shù)據(jù)投入到模型。實驗結(jié)果表明,本文提出的混合算法能有效地求解該應用模型。模型的最優(yōu)解是一個點,該點代表了一次證券投資行為中具有最合理的風險 回報權(quán)衡偏好因子的投資組合方案。顯然,該模型獲得的投資組合方案能為投資者的投資活動提供建設性的指導。
【關鍵詞】：雙層規(guī)劃問題 遞歸型神經(jīng)網(wǎng)絡 遺傳算法 證券投資組合
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F830.91;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第一章 緒論8-24
• 1.1 雙層規(guī)劃問題8-14
• 1.2 現(xiàn)存的解決雙層規(guī)劃問題的算法14-19
• 1.3 已有的雙層規(guī)劃問題的應用19-24
• 第二章 本研究中設計和實現(xiàn)的求解二次雙層規(guī)劃問題的算法24-52
• 2.1 本研究提出的算法的概述24-26
• 2.2 用于處理上層問題的遺傳算法26-30
• 2.2.1 參數(shù)設置及初始化27
• 2.2.2 交叉操作27-28
• 2.2.3 變異操作28-29
• 2.2.4 計算操作29
• 2.2.5 擬合度評估以及選擇操作29-30
• 2.3 求解下層問題的參數(shù)化對偶神經(jīng)網(wǎng)絡30-34
• 2.4 算法的可行性及收斂性分析34-38
• 2.5 算法的實驗及結(jié)果討論38-52
• 2.5.1 實驗部分I39-46
• 2.5.2 實驗部分II46-52
• 第三章 雙層規(guī)劃問題的應用  構(gòu)建雙層證券投資組合優(yōu)化模型52-67
• 3.1 Markowitz均值  方差投資組合選擇模型52-55
• 3.2 資本資產(chǎn)定價模型55-57
• 3.3 本研究提出的雙層證券投資組合優(yōu)化模型57-60
• 3.4 雙層證券投資組合優(yōu)化模型的實驗討論60-67
• 第四章 論文總結(jié)67-69
• 致謝69-70
• 參考文獻70-78
• 攻讀碩士學位期間取得的成果78-79
• 附錄A. BLPOM實驗中各股票間的協(xié)方差79-91
• 附錄B. 算法源代碼91-119

，

本文編號：853705