论文研究利用动态降维差分进化算法解决多约束的投资组合优化问题 .pdf

很好的简单的小程序，适合初学者用

近年来运用进化算法（EAs）解决多目标优化问题（Multi-objectiveOptimizationProblemsMOPs）引起了各国学者们的关注。作为一种基于种群的优化方法，EAs提供了一种在一

针对约束优化问题的求解，提出一种改进的粒子群算法（CMPSO）。在CMPSO算法中，为了增加种群多样性，提升种群跳出局部最优解的能力，引入种群多样性阈值，当种群多样性低于给定阈值时，对全局最优粒子位置

如何充分利用云中资源对任务进行高效调度，是云计算中的重要问题。提出一种基于差分进化的多策略变异差分进化任务调度算法。该算法在标准差分进化算法的基础上加入了基于正态分布的分类和多种变异策略，变异策略中差

针对0-1任务规划模型存在维数灾维的问题，提出了一种基于改进差分进化算法的整数任务分配算法。将任务分配的0-1规划模型转化整数规划模型，不仅大幅降低了优化变量的维数，还减小了整式约束条件；将差分进化算

针对高维复杂函数的优化问题，提出了基于小生境的混沌变异差分进化算法（CNDE）。算法结合小生境策略，使子种群高效独立地进行搜索，并引入混沌变异进行精细的遍历搜索，在运行中根据迭代次数自动地调整交叉概率

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题，提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义，并提出了基于维度层加权的异维维度选择策略，首次将加权异维学习策略引入差分

针对差分进化算法易于陷入早熟收敛和局部搜索较慢的问题，提出了一种类似Nelder-Mead方法中的反射操作的变异策略，称为反射变异策略。不同于其他基本的差分策略，提出的变异策略具有明确的差分方向，具有

支持向量机参数是影响其性能的重要因素，为了进一步提高支持向量机分类精度和泛化能力，提出了基于差分进化算法的SVM参数选择。以样本误判率最小为优化准则，利用差分进化算法对SVM参数进行优化选择。实验结果

在经典差分进化的基础上,提出了一种基于空间距离的多目标差分进化算法(SD-MODE),与目前经典算法NSGA-Ⅱ和ε-MOEA 进行比较，结果表明该算法拥有良好的分布性，同时也较好地改善了收敛性。