在金融市场中，投资者面临越来越多的选择，使得决策变得愈发复杂。投资组合优化成为过去几十年的研究热点，旨在确定投资者应如何分配资金于各类资产。引入现实条件后，优化模型会变得NP难解，传统的精确方法逐渐显得低效，因此研究者们转向进化算法以获得近似解。
本文提出了针对多目标进化算法的增强策略，以在投资组合优化问题中实现更快的收敛速度和更广泛的搜索能力，这一问题受到资产数量的限制。为实现这些特性，本文介绍了一种独特的解表示方法、新的操作符以及新的修复机制，旨在解决资产数量的上下限约束问题。
为此，本文在知名的多目标进化算法中实现了新的交配策略，并结合以上方法进行测试。与传统算法相比，定制的算法在使用知名市场指数作为基准时显示出更好的近似效果，并且在市场资产数量增加时也能保持更快的收敛速度，且性能毫无损失。
博主点评： 本文通过引入创新的解表示和新颖的交配策略，显著提升了多目标进化算法在投资组合优化中的效率，展现了进化计算在金融领域的强大应用潜力。