본 논문은 NP-hard 복잡성으로 인해 엄밀한 방법이 비효율적인 조건 하에서 대규모 포트폴리오 최적화를 해결하기 위한 다목적 진화 알고리즘의 강화 전략을 제시합니다.
- 자산 수의 하한 및 상한 제한을 처리하기 위해 고유한 해 표현, 새로운 연산자, 그리고 새로운 복구 메커니즘을 도입합니다.
- 잘 알려진 다목적 진화 알고리즘 내에서 맞춤형 교배 전략을 구현합니다.
- 잘 알려진 시장 지수를 벤치마크로 사용하여 제안된 접근 방식을 전통적인 알고리즘과 비교하여 테스트합니다.
결과는 제안된 전략이 더 나은 근사치를 제공하며, 자산 수가 증가해도 성능 손실 없이 더 빠르게 수렴함을 나타냅니다.