基于DEA的多目标进化算法及其在投资组合优化的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题背景与研究意义 | 第12-15页 |
| 1.1.1 选题背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 文献综述 | 第15-17页 |
| 1.2.1 多目标遗传算法 | 第15-16页 |
| 1.2.2 数据包络分析方法 | 第16-17页 |
| 1.3 研究思路与研究内容 | 第17-19页 |
| 1.3.1 研究思路 | 第17页 |
| 1.3.2 研究内容 | 第17-19页 |
| 第2章 遗传算法 | 第19-28页 |
| 2.1 遗传算法的基础 | 第19-24页 |
| 2.1.1 遗传算法的基本原理 | 第20-22页 |
| 2.1.2 遗传算法的基本操作 | 第22页 |
| 2.1.3 遗传算法的应用 | 第22-24页 |
| 2.2 多目标遗传算法 | 第24-28页 |
| 2.4.1 多目标优化问题 | 第24-25页 |
| 2.4.2 经典的多目标遗传算法 | 第25-28页 |
| 第3章 基于FDH的分区域多目标遗传算法 | 第28-39页 |
| 3.1 基于FDH的分区域多目标遗传算法设计 | 第28-32页 |
| 3.1.1 分区策略 | 第28-29页 |
| 3.1.2 FDH评价 | 第29页 |
| 3.1.3 拥挤度 | 第29页 |
| 3.1.4 外部种群更新 | 第29-30页 |
| 3.1.5 FDH-MOGA算法流程 | 第30-32页 |
| 3.2 模型性能测试 | 第32-36页 |
| 3.2.1 评价指标 | 第33页 |
| 3.2.2 测试函数与实验参数设置 | 第33-34页 |
| 3.2.3 实验结果 | 第34-36页 |
| 3.3 FDH-MOGA在投组组合问题中的运用 | 第36-39页 |
| 3.3.1 经典M-V模型 | 第36-37页 |
| 3.3.2 存在基数约束的M-V模型 | 第37-39页 |
| 第4章 基于DEA的MOEA/D优化算法 | 第39-52页 |
| 4.1 混合多目标优化算法设计 | 第39-43页 |
| 4.1.1 分解策略 | 第39-40页 |
| 4.1.2 初始种群 | 第40-41页 |
| 4.1.3 差分算子 | 第41-42页 |
| 4.1.4 修复方法 | 第42页 |
| 4.1.5 算法框架与算法流程 | 第42-43页 |
| 4.2 模型性能测试 | 第43-47页 |
| 4.2.1 实验参数设置 | 第43-44页 |
| 4.2.2 实验结果 | 第44-47页 |
| 4.3 在投资组合问题中的运用 | 第47-52页 |
| 4.3.1 经典的M-V模型 | 第47-49页 |
| 4.3.2 存在基数约束的M-V模型 | 第49-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录A FDH-MOGA算法主要程序 | 第60-67页 |
| 附录B DEA-MOEA/D算法主要程序 | 第67-71页 |
| 致谢 | 第71页 |
