论文研究 动态评价免疫微粒群算法在Job shop调度中的应用.pdf

在不断变化的金融市场中，多阶段投资组合优化通过周期性地重组投资对象来追求回报最大，风险最小。提出了使用基于量子化行为的粒子群优化算法（Quantum-behaved Particle Swarm Optimization，QPSO）解决多阶段投资优化问题，并使用经典的利润风险函数作为目标函数，通过算法对标准普尔指数100的不同股票和现金进行投资组合的优化研究。根据实验得出的期望收益率与方差表明，QPSO算法在寻找全局最优解方面要优于粒子群算法（Particle Swarm Optimization，PSO）和遗传算法（Genetic Algorithm，GA）。