دسته‌بندی نشده

الگوریتم آتش بازی برای مدلهای mean-VaR/CvaR (دانلود مقاله)

چکیده: الگوریتم های هوشمند به طور گسترده ای برای حل مشکلات بهینه سازی نمونه کارها استفاده شده اند. در این مقاله ، ما یک الگوریتم هوشمند جدید به نام الگوریتم آتش بازی ارائه می دهیم که برای اولین بار مقدار متوسط ​​در مدل Risk / CVaR را حل می کند. این نتایج نشان می دهد که در مقایسه با الگوریتم کلاسیک ژنتیکی ، الگوریتم آتش بازی نه تنها دقت و سرعت بهینه سازی را بهبود می بخشد ، بلکه باعث پایداری محلول بهینه سازی شده نیز می شود. ما آزمایشات را با سطح اعتماد به نفس مختلف و درجات مختلف خطر تکرار می کنیم و نتایج قوی هستند. این نشان می دهد که الگوریتم تولید مواد شیمیایی از مزایای بیشتری نسبت به الگوریتم ژنتیک در حل مسئله بهینه سازی نمونه کارها برخوردار است و این امکان وجود دارد و امید است که در این زمینه مورد استفاده قرار گیرد.

مقدمه

الگوریتم های هوشمند به دلیل مزیت هایی که در حل مشکلات بهینه سازی پیچیده دارند ، مورد توجه دانشگاهیان قرار گرفته اند. در حقیقت ، بسیاری از الگوریتم های کلاسیک هوشمند مانند الگوریتم ژنتیک ، الگوریتم بهینه سازی ازدحام ذرات ، الگوریتم کلنی مورچه ها و … در این زمینه استفاده شده اند و به دستاوردهای بزرگی دست یافته اند.

Fireworks algorithm for mean-VaR/CVaR models

Abstract: Intelligent algorithms have been widely applied to portfolio optimization problems. In this paper, we introduce a novel intelligent algorithm, named fireworks algorithm, to solve the mean-VaR/CVaR model for the first time. The results show that, compared with the classical genetic algorithm, fireworks algorithm not only improves the optimization accuracy and the optimization speed, but also makes the optimal solution more stable. We repeat our experiments at different confidence levels and different degrees of risk aversion, and the results are robust. It suggests that fireworks algorithm has more advantages than genetic algorithm in solving the portfolio optimization problem, and it is feasible and promising to apply it into this field

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا