改进遗传算法在投资组合中的应用(doc 36页)

引    言 1
第一章  遗传算法概述 2
1.1 遗传算法的形式 2
1.2 遗传算法的运算过程 3
1.3 基本遗传算法的构成 3
1.4 基本遗传算法的形式化定义 4
第二章  遗传算法的基本实现技术 5
2.1 遗传算法的编码原则 5
2.1.1 二进制编码方法 5
2.1.2 浮点数编码方法： 5
2.2 遗传算法的适应度函数 6
2.2.1 乘幂尺度变换 6
2.2.2 指数尺度变换 6
2.3 遗传算法的选择算子 6
2.3.1 比例选择 7
2.3.2 最优保存策略 7
2.3.3 确定式采样选择 7
2.4 交叉算子 8
2.4.1 单点交叉 8
2.4.2 算数交叉 8
2.5 变异算子 8
2.5.1 基本位变异 8
2.5.2 均匀变异 8
第三章  投资组合 10
3.1 投资组合理论的提出 10
3.2 证券组合投资理论 10
3.3 马克威茨的均值—方差模型 10
3.3.1 单个资产的收益、风险和资产间的相互关系 10
3.3.2 资产组合的收益和风险 12
3.4 现代投资理论的组成和发展 14
3.5 投资组合的应用 14
第四章  基于改进遗传算法的有交易成本的组合投资问题 16
4.1 模型的建立与分析 16
4.1.1 股票交易额不可分割及无风险投资 16
4.1.2 交易成本 17
4.1.3 风险偏好 18
4.1.4 分类约束 19
4.1.5 模型描述 19
4.2 模型的遗传算法求解 19
4.2.1 编码 20
4.2.2 动态惩罚函数 20
4.2.3 选择 21
4.2.4 交叉 21
4.2.5 变异 21
4.2.6 改进遗传算法的过程 21
第五章  示例分析 22
5.1 数据 22
5.2 基本遗传算法 23
5.3 改进遗传算法分析 25
5.3.1 初始化种群体 25
5.3.2 适应度计算 25
5.3.3 遗传操作 25
5.3.4 结果 26
第六章  总结与展望
    6.1 主要工作总结 29
    6.2 展望 29
参考文献： 30
附录： 31
致  谢 49

 

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