محمد ملکی - کارشناس ارشد، موسسه آموزش عالی غیرانتفاعی پردیسان، فریدونکنار، ایران
جواد وحیدی - دانشیار، دانشگاه علم و صنعت ایران

استفاده از الگوریتم های فراابتکاری در حل مسایل Np-Hard نقشی بی بدیل داشته و از اینرو تلاش برای ابداع الگوریتم های جدید فراابتکاری و یا بهینه سازی الگوریتم های موجود حایز اهمیت است. از جمله مسایلی که برای حل آن، از الگوریتم های فراابتکاری ژنتیک ) GA )، رقابت استعماری ICA ازدحام ذرات PSO و... استفاده شده است، بهینه سازی سبد سهام (پرتفولیو) می باشد. یکی از مهمترین نکات مورد بررسی در الگوریتم های فراابتکاری، عدم توقف در بهینه های محلی است. لذا هدف اصلی این مقاله افزایش توان الگوریتم رقابت استمعاری در اکتشاف جواب های بهینه می باشد. در این راستا از مدیریت راهبردی نیز بهره برده و با افزایش پویایی این الگوریتم، قدرت اکتشاف الگوریتم را متناسب با موقعیت های زمانی تعیین نموده ایم. نتایج این پژوهش نشان می دهد که اصلاحیه مذکور در بهینه سازی سبد سهام موفق عمل نموده است. روش ارایه شده بر روی benchmark data آزمایششده و با جبهه پرتو ICA مقایسه شده است.

بهینه سازی، راهبردی، فراابتکاری، ICA ، پرتفولیو