文摘
英文文摘
第一章、 绪论
1.1.遗传算法综述
1.1.1.遗传算法基本术语
1.1.2.采用遗传算法求解问题的一般步骤
1.1.3.遗传算法的基本算子
1.1.4.与其它算法的比较
1.1.5.遗传算法的研究现状
1.2. 金融预测与金融决策的产生和发展
1.3. 本文的结构
1.4. 本人主要工作
1.用马尔柯夫序列的方法分析了实数编码的遗传算法的收敛性
2.对多模态遗传算法进行了深入的研究
3.将遗传算法在金融预测中进行了实际的应用
4.将多模态遗传算法在投资组合中进行了实际的应用
第二章、遗传算法的理论基础
2.1. 遗传算法的运行机理
2.1.1.模式
2.1.2.模式定理
2.1.3.积木块假设
2.2. 标准遗传算法的收敛性
2.2.1.标准的遗传算法
2.2.2.有限马尔柯夫链
2.2.3.遗传算法的马尔柯夫链分析
2.3. 实数编码遗传算法的马尔柯夫序列收敛性分析
2.3.1.简单实数编码的遗传算法(SRGA)
2.3.2.二进制编码的遗传算法SBGA的描述
2.3.3.马尔柯夫序列与马尔柯夫链之间的关系
2.3.4.二进制编码的遗传算法SBGA的全局收敛性
2.3.5.实数编码的遗传算法SRGA全局收敛性分析
2.4. 本章小结
第三章、多模态遗传算法
3.1. 多模态遗传算法的发展
3.2. 小生境遗传算法
3.2.1.小生境遗传算法(Niche GeneticAlgorithms)
3.2.2.小生境遗传算法的运行机理分析
3.2.3.小生境遗传算法中一些问题的讨论
3.2.4.对小生境遗传算法的简评
3.3.简单子群法(Simple Sub-population Scheme)
3.3.1.简单子群法
3.3.2.简单子群法的运行机理分析
3.3.3.对简单子群法的简评
3.4. 平衡生存空间法
3.4.1.引言
3.4.2.平衡生存空间法
3.4.3.平衡生存空间法运行机理分析
3.4.4.平衡生存空间法的评价
3.5. 局部分享法
3.5.1.局部分享法
3.5.2.局部分享法运行机理分析
3.6. 优育子群迁徙策略
3.6.1.优育子群迁徙
3.6.2.优育子群迁徙的运行机理分析
3.7. 多模态遗传算法的收敛性分析
3.7.1.小生境遗传算法的数学描述
3.7.2.小生境遗传算法的马尔柯夫链描述
3.7.3.小生境遗传算法的收敛性分析
3.7.4.带有优育子群迁徙的多模态遗传算法的收敛性分析
3.7.5.小结
3.8. 多模态遗传算法仿真实验
3.8.1.四种多模态遗传算法的对比实验
3.8.2.多模态遗传算法的收敛性对比测试
3.8.3.实验结果分析
3.9. 本章小结
第四章、遗传算法在金融预测中的应用
4.1. 金融预测
4.2.模糊预测模型
4.2.1.模糊系统
4.2.2.用遗传算法优化模糊系统
4.2.3.预测模型
4.3.基于多模态遗传算法的模糊规则发现
4.3.1.编码
4.3.2.评价函数
4.3.3.原适应值存储机制
4.3.4.实证研究
4.3.5.效率分析
4.3.6.小结
4.4.遗传算法优化模糊系统参数
4.4.1.编码
4.4.2.适应值函数
4.4.3.实证研究
4.4.4.效率分析
4.4.5.小结
4.5.动态模糊系统模型
4.5.1.动态模糊系统模型的结构
4.5.2.动态模糊系统的规则自学习方法
4.6.双层遗传算法确定模糊系统结构和参数
4.6.1.双层遗传算法的编码
4.6.2.双层遗传算法的评价函数
4.6.3.基因的变化范围
4.6.4.遗传算子
4.6.5.实证研究
4.6.6.效率分析
4.6.7.小结
4.7.变长混合染色体编码遗传算法优化模糊系统
4.7.1.混合变长度的编码方式
4.7.2.基因的变化范围
4.7.3.交叉操作
4.7.4.变异算子
4.7.5.规则修改问题
4.7.6.适应值函数
4.7.7.实证研究
4.7.8.效率分析
4.7.9.小结
4.8.本章小结
第五章、遗传算法在金融决策中的应用
5.1.投资组合决策模型
5.2.多解投资组合模型
5.3.利用多模态遗传算法求解
5.4.实例测试
5.5.本章小结
第六章、回顾与展望
6.1.对研究工作的简要回顾
一.用马尔柯夫序列的方法分析了实数编码的遗传算法的收敛性
二.对多模态遗传算法进行了深入的研究
三.将遗传算法应用于金融预测
四.多模态遗传算法在投资组合中的应用
6.2.对进一步研究工作的展望
参考文献
用到的符号和简写
攻读博士期间完成的主要科研成果
致谢