В статье представлены стратегии усиления многокритериальных эволюционных алгоритмов для решения задачи оптимизации портфеля большого масштаба при ограничениях на мощность множества, где точные методы становятся неэффективными из-за NP-трудной сложности.
- Представлено уникальное представление решений, новый оператор и новые механизмы восстановления для обработки нижних и верхних ограничений на количество активов.
- Реализованы специализированные стратегии скрещивания в рамках известных многокритериальных эволюционных алгоритмов.
- Предложенный подход протестирован по сравнению с традиционными алгоритмами с использованием известных рыночных индексов в качестве эталонов.
Результаты показывают, что предложенная стратегия обеспечивает лучшие аппроксимации и сходится быстрее без потери производительности по мере увеличения количества активов.