بهینه سازی سبد سهام با استفاده از الگوریتم فراابتکاری چندهدفه در شرایط عدم قطعیت

هدف از این پژوهش، بهینه سازی سبد سهام با رویکرد حداقل سازی میانگین واریانس و اعمال قید کاردینالیتی با استفاده از الگوریتم فراابتکاری چندهدفه مبتنی بر جستجوی محلی در شرایط عدم قطعیت است. الگوریتم تکاملی چندهدفه مبتنی بر مرتب سازی نامغلوب و جستجوی محلی (NSLS)، به عنوان هسته اصلی این پژوهش معرفی شده و رویکردهای مختلف جستجوی محلی شامل جایگزینی، دورترین نامزد پیشنهادی و سایر روش ها برای بهبود عملکرد آن بررسی شده اند. در ادامه، الگوریتم فراابتکاری پیشنهادی (RCENSLS) برای حل مسئله بهینه سازی سبد سهام در شرایط عدم قطعیت با در نظر گرفتن قید کاردینالیتی به کار رفته است. نتایج الگوریتم RCENSLS با الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) و الگوریتم تکاملی چندهدفه مبتنی بر مرتب سازی نامغلوب و جستجوی محلی بهبودیافته (ENSLS) مقایسه شده، که نشان می دهد این الگوریتم عملکرد قابل قبولی داشته و نتایج بهتری نسبت به روش های قبلی ارائه می دهد.

کلیدواژه ها:

بهینه سازی سبد سهام ، جستجوی محلی ، عدم قطعیت ، RCENSLS ، NSGA-II ، NSLS ، ENSLS