基于多策略改进蜣螂优化器的金融投资组合优化方法研究

本文提出了一种改进的蜣螂优化器（IDBO）来解决基数约束投资组合优化（CCPO）这一NP-hard难题。通过引入决策变量更新策略、约束处理策略和局部搜索策略，IDBO能够高效地从候选资产中筛选优质组合。实验结果表明，该模型在OR-Library和NGINX数据集上均优于现有方法，为复杂金融决策提供了新的优化工具。

　　

亮点

本研究开发的改进蜣螂优化器（IDBO）技术旨在解决基数约束投资组合优化（CCPO）问题。具体而言，IDBO基于CCMV模型——该模型是文献中应用最广泛的模型。所提出的方法包括决策变量更新策略、约束处理策略和局部搜索策略。这些策略显著提升了IDBO的性能，有助于改善资产选择和权重分配，同时在两者之间取得平衡。

结论

本文开发了一种IDBO技术来解决CCPO问题。具体而言，IDBO基于CCMV模型——这是文献中最广泛采用的模型。所提出的方法包括决策变量更新策略、约束处理策略和局部搜索策略。这些策略显著增强了IDBO的性能，促进了资产选择和权重分配的改进，同时实现了两者之间的平衡。