چکیده مقاله
در این نوشتار الگوریتمی ترکیبی بر مبنای روش «بهینه‌سازی گروه ذره‌ها» برای حل مدل توسعه یافته‌ی میانگینـواریانسِ انتخاب سبد سهام ارائه می‌شود. اغلب، برای تطابق مدل اولیه میانگینـواریانس با دنیای واقعی، محدودیت‌های مختلفی به آن افزوده می‌شود. در این نوشتار، چهار نوع محدودیت، محدودیتِ کاردینالیتی )شامل محدودیت روی نسبت هر سهم در سبد و تعداد)نوع( سهم در سبد(، حداقل مقدار معامله و ارزش بخش لحاظ می‌شوند. با استفاده از سه گروه از داده‌های نمونه، نتایج اجرای الگوریتم جدید موسوم به CBIPSO )ترکیب بهینه‌سازی گروه ذره‌های ارتقاء یافته و دودویی( و یک الگوریتم ژنتیک، براساس چهار معیار، مورد مقایسه قرار می‌گیرند. معیارهای مورد ارزیابی عبارت‌اند از سرعت رسیدن به جواب، میانگین جواب‌های به‌دست آمده، بهترین جواب حاصل در چند اجرای متوالی الگوریتم و انحراف معیار جواب‌ها. همچنین تحلیل حساسیت عملکرد CBIPSO با تغییر پارامترهای مختلف در الگوریتم و مسئله‌بررسی می‌شود. نتایج تحقیق نشان می‌دهند که CBIPSO به‌طور کلی، و به‌ویژه وقتی که تعداد سهم‌های در دسترس و یا تعداد سهم در سبد زیاد می‌شود، بهتر از الگوریتم ژنتیک، عمل می‌کند.