改進遺傳算法在投資組合中的應用(doc 36頁)

引 言 1
第一章 遺傳算法概述 2
1.1 遺傳算法的形式 2
1.2 遺傳算法的運算過程 3
1.3 基本遺傳算法的構成 3
1.4 基本遺傳算法的形式化定義 4
第二章 遺傳算法的基本實現技術 5
2.1 遺傳算法的編碼原則 5
2.1.1 二進製編碼方法 5
2.1.2 浮點數編碼方法： 5
2.2 遺傳算法的適應度函數 6
2.2.1 乘冪尺度變換 6
2.2.2 指數尺度變換 6
2.3 遺傳算法的選擇算子 6
2.3.1 比例選擇 7
2.3.2 最優保存策略 7
2.3.3 確定式采樣選擇 7
2.4 交叉算子 8
2.4.1 單點交叉 8
2.4.2 算數交叉 8
2.5 變異算子 8
2.5.1 基本位變異 8
2.5.2 均勻變異 8
第三章 投資組合 10
3.1 投資組合理論的提出 10
3.2 證券組合投資理論 10
3.3 馬克威茨的均值—方差模型 10
3.3.1 單個資產的收益、風險和資產間的相互關係 10
3.3.2 資產組合的收益和風險 12
3.4 現代投資理論的組成和發展 14
3.5 投資組合的應用 14
第四章 基於改進遺傳算法的有交易成本的組合投資問題 16
4.1 模型的建立與分析 16
4.1.1 股票交易額不可分割及無風險投資 16
4.1.2 交易成本 17
4.1.3 風險偏好 18
4.1.4 分類約束 19
4.1.5 模型描述 19
4.2 模型的遺傳算法求解 19
4.2.1 編碼 20
4.2.2 動態懲罰函數 20
4.2.3 選擇 21
4.2.4 交叉 21
4.2.5 變異 21
4.2.6 改進遺傳算法的過程 21
第五章 示例分析 22
5.1 數據 22
5.2 基本遺傳算法 23
5.3 改進遺傳算法分析 25
5.3.1 初始化種群體 25
5.3.2 適應度計算 25
5.3.3 遺傳操作 25
5.3.4 結果 26
第六章 總結與展望
6.1 主要工作總結 29
6.2 展望 29
參考文獻： 30
附錄： 31
致 謝 49

..............................