44、智能算法在投资组合与车辆路径规划中的应用研究

智能算法在投资组合与车辆路径规划中的应用研究

1. 投资组合优化实验

在投资组合优化问题中，研究人员对五种算法在风险厌恶因子 (k) 分别为 0.15、0.5 和 0.85 的情况下进行了 20 次运行实验。实验结果分别列于表 2、表 3 和表 4 中，其中最优结果以粗体显示。图 1 展示了三种不同风险厌恶因子下五种算法的收敛曲线。

通过对实验结果的分析，我们可以得出以下结论：
- 算法性能对比 ：三种 BSO 算法（原始 BSO、SBSO 和 BSO - OS）的性能明显优于 PSO 和 BFO。从最小值数据来看，BSO - OS 总能找到最优解。从表 2 中的标准差数据可知，基本 BSO 生成的结果最为稳定。不过，当 (k = 0.5) 和 (k = 0.85) 时，SBSO 的标准差最小。
- 风险与收益关系 ：随着风险厌恶因子 (k) 的增加，适应度值增大，这表明高回报伴随着更高的风险。同时，当 (k) 增大时，资产 2 所占的比例也更大。

<

风险厌恶因子 (k)	算法	最小值	标准差
0.15	BSO	-	-
0.15	PSO	-