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/