Sep, 2022

基于 Pareto 驱动代理的多周期组合回测模拟优化

PDF
TL;DR本文提出了使用 ParDen-Sur 建模框架来解决组合管理作为一个多期多目标优化问题中的超参数搜索问题，并验证 ParDen-Sur 可以显著提高 Pareto 前沿的多个 EA 在单期和多期使用情况下的性能表现。
发现论文，激发创造
  • 多目标贝叶斯优化中使用单一代理和多代理的比较

    本文提出在多目标优化中使用多模型代理建模的方法，克服了单模型代理建模方法存在的缺点，并使用广义极值分布逼近标量化函数分布， 在标准基准测试和实际优化问题上与现有方法进行比较，结果表明了该策略的潜力。

    May, 2022

  • 具有保留属性和可调折衷的物理系统代理建模

    本文提出了一种框架，旨在自动开发一系列物理系统的代理模型，以协助进行时间（模拟成本）和精度之间的平衡，其中包括从一级原理生成高保真模型并应用自下而上的模型降阶和利用实验或模拟数据拟合人工本构关系来生成代理模型。

    Feb, 2022

  • 基于代理的分布式群体优化算法在计算代价昂贵模型中的应用

    本论文旨在在并行计算结构中实现基于代理的适应度评估，在复杂的地质科学景观进化模型上实现优化解决方案时间的缩短，同时保持优化准确性。

    Jan, 2022

  • R-MBO: 多目标贝叶斯优化中偏好融入的多重替代方法

    使用多目标贝叶斯优化方法，利用广义值分布来建立多独立 surrogate 模型（多 surrogates 方法），以解决现实问题中使用 scalarising 函数建立单一 surrogate 模型的限制。

    Apr, 2022

  • 使用 Pareto 前沿熵的多目标 Bayesian 优化

    本研究提出一种基于熵的多目标贝叶斯优化方法（MBO），称为帕累托前沿熵搜索（PFES），该方法考虑到帕累托前沿的熵，通过推导标准熵搜索设定的解析公式来获得帕累托最优性的权衡关系，并可以适应解耦合条件下的目标函数熵计算。实验验证表明 PFES 方法在多种基准数据集上的有效性。

    Jun, 2019

  • 帕累托测试在有效控制多重风险方面的应用

    本文提出了一种多目标优化的方法 Pareto Testing，通过结合多目标优化和多假设检验，构建了一组有前途的 Pareto Frontier，并将统计检验应用于这个 Pareto Frontier，用以同时控制和优化各种准确性和成本指标，以此可靠地加快自然语言处理（NLP）应用中大规模 Transformer 模型的执行。

    Oct, 2022

  • 约束多目标投资组合优化问题的学习启发式方法

    本研究为了解决多目标资产组合优化问题引入了现实约束条件，并使用元启发式算法与学习启发式算法将其与基线算法进行比较，结果表明使用学习启发式算法进行资产配置可以产生更优的结果。

    Apr, 2023

  • 基于主动学习的代理建模技术用于高效模拟参数非线性系统

    本研究提出了一种非侵入式优化准则，以有效地构建参数化代理模型，利用基于核的浅层神经网络的主成分分析子空间和主动学习方法构建了 ActLearn-POD-KSNN 代理模型，该模型可以有效地预测新参数位置处的求解，即使在有多个相互作用的激波轮廓的情况下。

    Jun, 2023

  • 多保真度降阶代理建模

    应用多保真度替代建模方法，结合降维技术和神经网络代理，能有效地恢复高保真度数值模拟，捕捉系统的不稳定性和临界瞬变特征。

    Sep, 2023

  • 投资组合优化：比较研究

    本文通过比较三种投资组合设计方法 (均值 - 方差组合，分层风险平价组合和自编码器组合)，应用于国家证券交易所上列出的十个主题行业的股票历史价格，并在测试数据上进行了表现测试，结果发现 MVP 组合在风险调整回报上表现最佳，而自编码器组合在年收益率上表现最好

    Jul, 2023