多目标投资组合优化问题的学习型NSGA-Ⅱ

摘要

针对快速非支配排序遗传算法(NSGA-Ⅱ)在求解投资组合问题时存在分散性不足和约束处理能力差的问题,提出了一种基于聚类和自适应可行性修复策略的学习型改进NSGA-Ⅱ算法（INSGA-Ⅱ）用于求解多目标投资组合问题.在该算法中,通过聚类学习改进种群的分散性,通过自适应修复保证新生成的解均为可行解,从而改进算法的分散性和提高算法的收敛速度.此外,对交叉及变异后的种群分别进行保存,并将其与父代种群合并以提高生成子代种群的选择压力及质量.实验结果表明，所提算法具有更高的搜索性能和稳定性,能够有效求解多目标投资组合问题.

关键词

多目标优化 / NSGA-Ⅱ / 投资组合优化问题 / 聚类学习 / 自适应修复