我不确定这是否与编程特别相关，但我正在查看使用 DEoptim 在金融投资组合上下文中进行并行优化的演示，显示 here .
我通过查看给出的演示文稿发现的 here和 here .
而且似乎strategy使用的是 strategy=6 ，为什么这个比其他的“更好”有什么特别的原因吗？它会更快地达到全局最小值吗？它特别适合投资组合优化问题吗？
另外作为单独的说明，如何将演示中建议的 rda 文件加载到 R 中，即 here .因为当点击下载时我得到 10y_return.gz文件，但不知道如何将其读入 R ... 对此的帮助将不胜感激。
最佳答案
strategy=6是 Zhang 和 Sanderson (2009) 的自适应差异进化。如控制参数c非零，则在优化过程中会调整交叉和变异。这通常可以加速在特别困难的目标函数/约束上的收敛，就像受约束的投资组合优化示例一样。
我得到 10y_return.rda当我点击下载链接时。如果你真的得到了 .gz文件，然后你只需要先解压缩它。
关于r - DEoptim 策略选择，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21454282/