Моделирование и анализ данных
2024. Том 14. № 2. С. 80–97
doi:10.17759/mda.2024140205
ISSN: 2219-3758 / 2311-9454 (online)
Разработка и применение многокритериального метода муравьиных колоний в задаче оптимизации инвестиционного портфеля
Аннотация
Предложен численный метод многокритериальной оптимизации для приближенного решения задачи на основе генерации допустимых решений непрерывным методом муравьиных колоний, недоминируемой сортировки и метода эпсилон-ограничений. Под решением задачи понимается нахождение фронта Парето. Приведены решения типовых модельных примеров. Решена прикладная задача оптимизации инвестиционного портфеля, в которой исходными данными являются таблично заданные средние доходности и ковариации ценных бумаг.
Общая информация
Ключевые слова: оптимизация, метаэвристические методы, недоминируемая сортировка, оптимальность по Парето, инвестиции
Рубрика издания: Анализ данных
Тип материала: научная статья
DOI: https://doi.org/10.17759/mda.2024140205
Получена: 20.05.2024
Принята в печать:
Для цитаты: Пантелеев А.В., Попова Н.С. Разработка и применение многокритериального метода муравьиных колоний в задаче оптимизации инвестиционного портфеля // Моделирование и анализ данных. 2024. Том 14. № 2. С. 80–97. DOI: 10.17759/mda.2024140205
Литература
- Gunantara N. A review of multi-objective optimization: Methods and its applications, Cogent Engineering. 2018. Vol. 5. No. 1, 1502242, DOI: 10.1080/23311916.2018.1502242
- Tian Y. et al. An evolutionary algorithm for large-scale sparse multiobjective optimization problems //IEEE Transactions on Evolutionary Computation. 2019. Vol. 24. No. 2. P. 380–393.
- Zuo M. et al. A differential evolution algorithm with the guided movement for population and its application to interplanetary transfer trajectory design //Engineering Applications of Artificial Intelligence. 2022. Vol. 110. 104727.
- Liu Z. Z., Wang Y., Wang B. C. Indicator-based constrained multiobjective evolutionary algorithms //IEEE Transactions on Systems, Man, and Cybernetics: Systems. 2019. Vol. 51. No. 9. P. 5414–5426.
- Panichella A. An improved Pareto front modeling algorithm for large-scale many-objective optimization//Proceedings of the Genetic and Evolutionary Computation Conference. 2022. P. 565–573.
- Пантелеев А.В., Крючков А.Ю. Модификация метаэвристического метода фейерверков для задач многокритериальной оптимизации на основе недоминируемой сортировки // Научный вестник Московского государственного университета гражданской авиации. 2019. Т. 22. № 3. С. 67–78.
- Пантелеев А.В., Крючков А.Ю. Разработка и применение многокритериального метода фейерверков в задаче стабилизации движения искусственного спутника по круговой орбите // Моделирование и анализ данных. 2019. № 3. С. 43–57.
- Dorigo M., Socha K. Ant colony optimization for continuous domains // Eur. J. of Operational Research. 2008. Vol. 185. P. 1155–1173.
- Dorigo M., Stutzle T. Ant colony optimization. MIT Press, 2004.
- Пантелеев А.В., Скавинская Д.В. Метаэвристические алгоритмы глобальной оптимизации. М.: Вузовская книга, 2019.
- Ming F. et al. A constraint-handling technique for decomposition-based constrained many-objective evolutionary algorithms //IEEE Transactions on Systems, Man, and Cybernetics Systems. 2023. Vol. 53. P. 7783–7793.
- Takahama T., Sakai S. Constrained optimization by the ε constrained differential evolution with gradient-based mutation and feasible elites / Proc. IEEE Int. Conf. Evol. Comput. 2006. P. 1–8.
- Zuo M., Xue Y. Population feasibility state guided autonomous constrained multi-objective evolutionary optimization // Mathematics. 2024. Vol. 12. No. 6. 913.
- Morovati V., Pourkarimi L. Extension of Zoutendijk method for solving constrained multi-objective optimization problems //European Journal of Operational Research. 2019. Vol. 273. No. 1. P. 44–57.
- Zapotecas-Martínez S., Ponsich A. Constraint handling within MOEA/D through an additional scalarizing function //Proceedings of the 2020 Genetic and Evolutionary Computation Conference. 2020. P. 595–602.
- Tian Y. et al. Balancing objective optimization and constraint satisfaction in constrained evolutionary multiobjective optimization //IEEE Transactions on Cybernetics. 2021. Vol. 52. No. 9. P. 9559–9572.
- Бадалова А.Г., Пантелеев А.В. Промышленный риск-менеджмент. М.: Доброе слово, 2018.
- Zanjirdar M. Overview of portfolio optimization models //Advances in mathematical finance and applications. 2020. Vol. 5. No. 4. P. 419–435.
- Yang M. et al. A Synergistic multi-objective evolutionary algorithm with diffusion population generation for portfolio problems // Mathematics. 2024. Vol. 12. No. 9. 1368.
Информация об авторах
Метрики
Просмотров
Всего: 51
В прошлом месяце: 11
В текущем месяце: 0
Скачиваний
Всего: 17
В прошлом месяце: 0
В текущем месяце: 2