基于抗体浓度和混沌粒子群的投资收益仿真

为了提高投资收益优化的预测精度,提出了基于抗体浓度和混沌决策的粒子群算法。利用混沌决策机制对局部解进行搜索时,通过计算各粒子的适应度值,根据种群中粒子的免疫因子概率浓度生成不同浓度的候选粒子,使得低适应度的粒子具有更高的概率进行种群进化,利用混沌决策来评估参与混沌解搜索的粒子和空间。将该算法在标准函数中进行对比测试,测试结果表明,该算法具有更好的收敛速度,有效地避免了解的早熟;将该算法用于投资收益优化实例仿真中,仿真结果表明,该算法可以有效地获得投资收益预测的最优值,使得投资收益比最优,具有较好的实用性。