摘要 | 第1-6页 |
Abstract | 第6-12页 |
第一章 绪论 | 第12-16页 |
·研究背景和意义 | 第12页 |
·研究现状 | 第12-14页 |
·论文的主要工作 | 第14-15页 |
·论文的组织与安排 | 第15页 |
·本章小结 | 第15-16页 |
第二章 多目标优化 | 第16-22页 |
·多目标优化的定义 | 第16页 |
·多目标优化问题的一般模型 | 第16页 |
·决策空间和目标函数空间 | 第16-17页 |
·解的 Pareto 关系 | 第17页 |
·Pareto 前沿 | 第17页 |
·简单实例分析 | 第17-19页 |
·实际问题描述 | 第17页 |
·分析问题 | 第17-18页 |
·决策空间可行域 | 第18页 |
·目标空间上的有效边界 | 第18-19页 |
·多目标优化算法的性能度量 | 第19-21页 |
·U-度量 | 第19-21页 |
·本章小结 | 第21-22页 |
第三章 证券投资组合 | 第22-28页 |
·证券投资组合的定义和基本原理 | 第22页 |
·证券投资组合的管理 | 第22-23页 |
·证券投资组合的数学模型 | 第23-27页 |
·单一证券的收益和风险 | 第23-24页 |
·证券投资组合的收益和风险(均值-方差模型) | 第24-25页 |
·均值-方差模型的提出和定义 | 第24页 |
·均值-方差模型的数学语言描述 | 第24-25页 |
·均值-方差模型在实际应用中的局限 | 第25页 |
·证券投资组合的可行域 | 第25-26页 |
·证券投资组合的有效边界 | 第26-27页 |
·本章小结 | 第27-28页 |
第四章 蚁群算法 | 第28-33页 |
·蚁群算法的基本原理 | 第28-29页 |
·基本蚁群算法的数学模型 | 第29-31页 |
·TSP 问题的数学描述 | 第29页 |
·蚁群算法在 TSP 问题中的数学模型 | 第29-31页 |
·基本蚁群算法的优缺点 | 第31页 |
·基本蚁群算法的优点 | 第31页 |
·基本蚁群算法的缺点 | 第31页 |
·最大最小蚂蚁系统 | 第31-32页 |
·本章小结 | 第32-33页 |
第五章 应用于证券投资组合问题的蚁群算法 | 第33-47页 |
·证券投资组合问题的数学模型 | 第33页 |
·基于证券投资组合问题改进蚁群算法的思想 | 第33-35页 |
·基于证券投资组合问题的蚁群算法的设计 | 第35-41页 |
·蚂蚁和证券投资组合 | 第35页 |
·证券投资组合的 Pareto 关系 | 第35-36页 |
·有效投资组合解集 | 第36页 |
·启发函数 | 第36-37页 |
·转移概率 | 第37页 |
·基于转移概率的寻优方式 | 第37-38页 |
·基于小生境技术的寻优方式 | 第38-39页 |
·信息素的更新规则 | 第39-41页 |
·算法描述和求解过程 | 第41-46页 |
·算法实现的主要步骤 | 第41-43页 |
·算法流程图 | 第43-46页 |
·总流程图 | 第43-44页 |
·基于转移概率的寻优方式的流程图 | 第44-45页 |
·信息素处理的流程图 | 第45-46页 |
·本章小结 | 第46-47页 |
第六章 实验结果及分析 | 第47-64页 |
·应用于证券投资组合问题的模拟退火算法 | 第47-50页 |
·模拟退火算法的基本原理 | 第47页 |
·模拟退火算法的参数 | 第47-48页 |
·系统初温 | 第47页 |
·退火速度 | 第47页 |
·系统的低温 | 第47-48页 |
·多目标优化的证券投资组合问题的模拟退火算法的设计 | 第48-49页 |
·算法流程图 | 第49-50页 |
·蚁群算法与模拟退火算法的比较 | 第50-58页 |
·实验数据一 | 第50-55页 |
·实验一 | 第51-52页 |
·实验二 | 第52-53页 |
·实验三 | 第53-54页 |
·实验四 | 第54-55页 |
·实验数据二 | 第55-58页 |
·实验一 | 第55-56页 |
·实验二 | 第56-57页 |
·实验三 | 第57-58页 |
·蚁群算法的参数分析 | 第58-63页 |
·信息素启发式因子α | 第58-60页 |
·期望启发式因子β | 第60-63页 |
·本章小节 | 第63-64页 |
第七章 总结与展望 | 第64-65页 |
·工作总结 | 第64页 |
·进一步研究工作 | 第64-65页 |
参考文献 | 第65-69页 |
攻读硕士学位期间取得的研究成果 | 第69-70页 |
致谢 | 第70-71页 |
Ⅳ-2答辩委员会对论文的评定意见 | 第71页 |