基于粒子群算法的投影寻踪模型在项目投资决策中的应用.pdfVIP

／ 文章编号：1007—1423(2013)17—0021—004 DOI：10．3969／j．issn．1007—1423．2013．17．005 基于粒子群算法的投影寻踪模型在项 目投资决策中 的应用 ★ 罗芳琼 ． 吴春梅 (柳州师范高等专科学校数学与计算机科学系，柳州 545004) 摘 要 ：应用基5-~--7-群算法的投影寻踪模型在投资决策 中进行研究。对粒子群算法的基本理论及 过程进行分析 ，介绍投影寻踪技术及投影寻踪分类 (PPC)g~~型 的建模步骤 ，构建基于粒子 群算法的投影寻踪模型，把该模型应用到项 目投资决策 中，结果表明，该方法简单、有效。 关键词 ：投影寻踪 ；粒子群算法；项 目投资 0 引 言 知空问进行有效的搜索 ．最后找出问题的解 本文针对 投资方案最优选择问题 ．尝试将粒子群优化算法应用 粒子群算法 (PSO)是 Kennedy和 Eberhart在 1995 在投资决策中，结果验证该方法有效、可行。 年提出一种群智能优化算法 其系统初始化为一组随 机解 ．通过某种方式迭代寻找最优解 ．是一种随机优化 1 粒子群优化算法 (PSO) 算法。PSO运算简单、易于实现，需要调整参数少，同时 1．1粒子群优化算法原理 又有深刻的智能背景 ，既适合科学研究．又特别适合工 粒子群优化算法其基本思想是对鸟群、鱼群的觅 程应用．因此 。PSO一提出．就引起 了许多科学家的研 食过程 中的迁徙和聚集的行为模拟．并利用了生物学 究，同时取得了大量的研究成果。目前．已广泛应用于 家FrankHeppner的生物群体模型，是基于群体智能理 函数优化、神经网络训练、模式分类和其他遗传算法的 论的优化算法 ．群体中的粒子在每次迭代搜索的过程 应用领域 但其也存在易陷入局部极优．在进化后期存 中，通过跟踪群体 2个极值 ：粒子本身所找到的最优解 在速度变慢 以及早熟的现象。因此，为了修正这一缺 Pbest和群体找到的最优解 Gbest来动态调整 自己位置 陷．学者们纷纷提出了一些粒子群算法的改进方法．例 和速度 【．完成对 问题寻优 ，对于如下的函数优化 问 如 ShiY等提出了自适应改变惯性因子 ：AngelineP提 题 ： 出交叉粒子群优化算法 ：Natsuki建立了高斯变异的粒 』max，(，她，…，％ (1) 子群优化算法：部分学者们利用分散的粒子群优化算 s【fR1，≤ 7≤ 2pj=l，2…，n 法很好地解决 TSP问题 所有的这些算法都从不同角 1．2计算步骤如下 度对PSO进行了改进 ．使收敛速度和计算精度都得到 (1)对粒子群中粒子的位置和速度进行随机初始 了很好的提高 由于PSO提供了一种求解复杂系统优