Makalah ini menyajikan strategi penguatan untuk algoritma evolusi multi-tujuan guna mengatasi optimisasi portofolio skala besar di bawah kendala kardinalitas, di mana metode eksak menjadi tidak efisien karena kompleksitas NP-hard.
- Memperkenalkan representasi solusi yang unik, operator baru, dan mekanisme perbaikan baru untuk menangani batas bawah dan atas jumlah aset.
- Mengimplementasikan strategi kawin yang disesuaikan dalam algoritma evolusi multi-tujuan yang terkenal.
- Menguji pendekatan yang diusulkan terhadap algoritma tradisional menggunakan indeks pasar yang terkenal sebagai acuan.
Hasil menunjukkan bahwa strategi yang diusulkan memberikan aproksimasi yang lebih baik dan konvergen lebih cepat tanpa kehilangan performa seiring bertambahnya jumlah aset.