Institutional Depot of BBA University

Solving multi-objective portfolio optimization problems using particle swarm optimization.

Show simple item record

dc.contributor.author Siline, Rahima
dc.contributor.author Chia, Aya
dc.date.accessioned 2022-11-23T09:16:23Z
dc.date.available 2022-11-23T09:16:23Z
dc.date.issued 2022
dc.identifier.issn MTM/351
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/2776
dc.description.abstract Dans ce travail, nous allons présenter un état de l’art de l’optimisation de portefeuilles,on a présentée le model initiale du portefeuille (La théorie moderne du portefeuille Markowitz), et on résoudre ce dernier qui est modéliser mathématiquement sous forme d’un problème de programmation quadratique convexe. Un bon portefeuille est celui qui donne un rendement maximum pour un niveau de risque donnée ou celui qui donne le risque minimum pour un niveau de rendement donné. L’OEP est une métaheuristique basée sur la reproduction des comportements sociaux de certains animaux. L’auto-organisation représente le processus le plus important qui caractérise l’évolution de l’essaim. Il permet l’émergence d’une organisation complexe en partant d’un groupe de particules peu intelligentes. L’inconvénient majeur de l’OEP, comme la plupart des métaheuristiques, est qu’elle est fortement dépendante de son jeu de paramètres. Chaque fois que nous considérons un nouveau problème, nous devons trouver les valeurs idéales pour les di érents paramètres. L’approche que nous avons proposé admet aussi des faiblesses concernât la précision des solutions. Les perspectives qui pourraient être envisagées en réponse à cet inconvénient dans le cadre de futurs travaux sont : Application de MOPSO sur les autre problèmes combinatoire comme par exemple ,le problème du voyageur de commerce . Utiliser une technique d’initialisation intelligente . en_US
dc.language.iso fr en_US
dc.publisher Université de Bordj Bou Arreridj Faculty of Mathematics and Computer Science en_US
dc.subject MOPSO en_US
dc.title Solving multi-objective portfolio optimization problems using particle swarm optimization. en_US
dc.type Thesis en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account