免疫優(yōu)化算法及其在投資組合中的應用研究.pdf

1、生物免疫系統(tǒng)是一個復雜的、高度并行的、分布式的、自適應信息處理系統(tǒng)，它能夠識別和排除侵入機體的抗原性異物，并且具有學習、記憶和自適應調(diào)節(jié)能力，能夠維護機體內(nèi)環(huán)境的穩(wěn)定。借鑒和利用免疫系統(tǒng)的原理和機制而發(fā)展的人工免疫系統(tǒng)已成為人工智能的重要研究內(nèi)容，并已在許多領域得到廣泛的應用，表現(xiàn)出較卓越的性能和效率。 本文首先對生物免疫系統(tǒng)的一些基本概念、系統(tǒng)組成、功能及原理進行了介紹；簡單分析了人工免疫系統(tǒng)的研究內(nèi)容、研究現(xiàn)狀及基本理論；同

2、時，對已有的一些免疫算法的基本結(jié)構(gòu)和流程進行了研究和分析。 在分析了小生境免疫算法原理和性能的基礎上，對原算法的抗體突變規(guī)則及抗體抑制規(guī)則進行了討論與改進，引進了免疫學中細胞繁殖的思想和精英個體保留策略，提出了改進的小生境免疫算法。文中編程實現(xiàn)了改進的小生境免疫算法，提出了單決策投資組合模型，用改進的小生境免疫算法尋求最佳方案，對投資組合模型指標——證券組合的凈收益最大、組合的風險最小、交易費用最小、資金利用率最大、價格漲幅最大

3、的問題，利用股票的歷史數(shù)據(jù)進行了仿真實現(xiàn)。分析了改進的小生境免疫算法的搜索能力及參數(shù)改變對算法性能的影響，驗證了算法的有效性和魯棒性。仿真表明改進的小生境免疫算法不僅能獲得最優(yōu)決策方案，而且能較合理地預測所確定的最優(yōu)股的走勢，也進一步說明了改進的小生境免疫算法的改進效果。 最后，本文針對非約束條件多目標優(yōu)化免疫算法的群體規(guī)?？刂撇蛔愣鴮е滤惴ǖ乃阉魉俣嚷葐栴}進行了討論及多方面的改進，提出了改進的多目標優(yōu)化免疫算法。然后實際編程