-
粒子群算法研究现状与进展粒子群优化算法作为一种基于群体智能方法的进化计算方法，由于群体中每个群粒子在搜索空间中从不同方向接近目前最优解的过程即求解带约束条件的目标函数最优解的过程，搜索空间中每个粒子代表目标函数的一个解，所以粒子群算法拥有通过一些群个体发现这些相邻解的良好机会，因此十分适合用来求解大多数非线性连续函数。由于上述优良特性，粒子群算法已经在优化问题理论研究领域获得了许多关注。学者在研究工作中通过在粒子群算法中引入雁队机制、混沌思想、拓扑结构等以提高粒子群算法的性能。30243
- 上一篇：科技服务业绩效评估国内外研究现状综述
- 下一篇：服务型制造业国内外研究现状和发展趋势
1998年，Shi Y修正粒子群算法速度更新公式中的惯性权重，阐述了当惯性权重改变时对粒子群算法性能的影响。
2004年，F Ven Bergh将拓扑结构引入粒子群算法，研究了不同拓扑结构对粒子群算法性能的影响。
2004年，王俊伟等人用梯度加速修改惯性权重，从而修正粒子群算法。论文网
2005年，LIU Bo等人在粒子群算法中运用了混沌优化思想，当达到一定精度后，根据混沌的遍历性再次对粒子进行初始化，防止粒子陷入局部最优，提高算法性能。
2 投资组合模型研究现状与进展
（1）基于不同风险测度投资组合优化
1952年，Markowitz提出均值-方差模型，标志着现代投资组合理论的诞生，为现代投资组合理论的发展奠定了基础。
1991年，Konno和Yamazaki用绝对偏差代替方差来对风险进行度量，提出均值-绝对偏差模型。
20世纪80年代，J.P.Morgan公司首创VaR方法，融合了市场摩擦因素和风险因素，综合考虑了不同风险来源和它们所引发的潜在损失。
2000年，Rockafellar和Uryasev在VaR的基础上提出了一种风险度量的改进方法，即CVaR，优化了VaR在计算上以及优化过程中的困难。
（2）考虑市场的摩擦因素的投资组合优化
1995年，Morton和Pliska关注了带固定交易费用的投资组合优化问题。
2003年，Crama和Schyns建立基于模拟退火算法的考虑资产类型和最小交易单位受限制的投资组合优化模型。
（3）动态投资组合优化
1968年，Mossin提出用动态规划方法，将投资组合优化问题由原本单阶段的情形推广至多阶段。
2009年，Aouni为了整合冲突且不可共量的属性，提出的几个动态投资组合优化多文方法。