《基於多目標人工蜂群算法的項目投資組合研究》是依託深圳大學，由李麗擔任項目負責人的專項基金項目。
基本介紹
- 中文名：基於多目標人工蜂群算法的項目投資組合研究
- 項目類別：專項基金項目
- 項目負責人：李麗
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
人工蜂群算法（ABC）是智慧型最佳化算法中較新的一個分支，在高維和多模態問題的最佳化中體現了優異的性能，因其簡單快速、通用性強而受到學術界的高度關注。迄今為止，ABC的研究基本上集中在單目標領域。鑒於目前進化多目標算法（EMO）在高維和多模態的問題中的不足，容易陷入局部Pareto域，本項目將ABC拓展到多目標領域。本研究將項目調度作為約束，嵌入到項目投資組合模型中，在構建複雜的多目標項目投資組合模型的基礎上，將提出的多目標ABC算法用於模型的求解。研究內容包括：1）基於精英策略的多目標ABC算法；2）基於外部檔案的混合PSO-ABC多目標算法；3）基於蜜蜂繁殖-采蜜行為的協同進化多目標ABC算法；4）綜合考慮項目調度的項目投資組合多目標模型及最佳化。本項目的研究不僅具有理論和方法上的科學價值，而且在管理決策和工程技術領域具有廣闊的套用前景。
結題摘要
人工蜂群(ABC)算法是啟發於蜜蜂的覓食行為而提出的一種智慧型最佳化算法，在高維和多模態問題的最佳化中體現了優異的性能。由於ABC算法具有簡單易實施、收斂速度快和通用性強的特點而受到學術界的高度關注。ABC算法的探索能力較強，但開發能力較差，本項目旨在根據ABC算法的特點，提出改進的方法，並套用於複雜的項目投資組合問題。本項目的研究工作主要集中在：1）撰寫了《人工蜂群算法的研究綜述》投稿到《智慧型系統學報》已經被錄用；2）提出了一種基於差分進化與ABC算法的混合算法，並成功套用於易腐品的車輛路徑問題，成果發表於ICIC 2013；3）提出了模糊環境下基於CVaR測度的項目投資組合風險度量方法，成果發表在ICACI 2013；4）根據現實情況，提出了模糊環境下基於CVaR的機會約束模型，並採用智慧型最佳化算法進行求解，成果發表在ISKE 2013；5）粒子群算法和ABC算法具有天然結合的優勢，設計了一種新穎的改進算法，測試函式的實驗表明了其有效性，目前已經完成工作論文，計畫投稿到《Information Sciences》6）在項目投資組合問題中，平衡財務和非財務收益非常重要，提出了一個考慮非財務收益的兩階段項目投資組合模型，投稿到CCDC 2014。另外在本項目的支持下，提出了多種改進的智慧型最佳化算法（譬如互動學習的粒子群算法，多策略的正交粒子群算法）。本項目的研究成果不僅具有理論和方法上的科學價值，而且在管理決策和工程技術領域具有廣闊的套用前景。
