Portfolio Selection in Evolutionary Algorithms

Bibliographic Details
Main Author: Guerreiro, Andreia Próspero
Publication Date: 2018
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: https://hdl.handle.net/10316/87398
Summary: Tese de Doutoramento em Ciências e Tecnologias da Informação apresentada ao Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de Coimbra
id RCAP_26f0168e5d70dbd2eab8bec11ace00d3
oai_identifier_str oai:estudogeral.uc.pt:10316/87398
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Portfolio Selection in Evolutionary AlgorithmsEvolutionary AlgorithmsAlgoritmos EvolutivosMultiobjective OptimizationOptimização MultiobjectivoPortfolio SelectionSelecção de PortfóliosSubset SelectionHypervolume IndicatorIndicador de HipervolumeSharpe Ratiorácio de SharpeDomínio/Área Científica::Engenharia e TecnologiaTese de Doutoramento em Ciências e Tecnologias da Informação apresentada ao Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de CoimbraEvolutionary Algorithms (EAs) are algorithms inspired in the process of natural selection, and are among the most popular methods in multiobjective optimization. As objectives are typically conflicting with one another, instead of a single optimal solution, there is usually a set of optimal solutions which, together, form a trade-off surface. The choice of the best solution depends on the preferences of a Decision Maker (DM), which arise from subjective information not contained in the multiobjective optimization problem formulation itself. In the absence of such preference information, an optimization algorithm should be able to cover the optimal trade-off surface as well as possible, in order to increase the chance that at least one satisfactory solution is presented to the (unknown) DM. One of the main steps of an EA is selection which is aimed at focusing on the best solutions, but must also maintain a sufficient level of diversity in the population. A very successful selection approach consists in optimizing a measure of the quality of the population as a whole, accounting simultaneously for individual quality and population diversity. Such EAs are called indicator-based EAs, as they rely on set-quality indicators to perform selection. Indicator-based EAs are currently state-of-the-art algorithms in Evolutionary Multiobjective Optimization (EMO). More recently, the notion of selection in EAs has been linked to the Portfolio Selection Problem (PSP), which is well known in Finance. In this analogy, individuals are seen as assets whose returns are random variables that are characterized by their expected values and covariance matrix. Balancing between good and diverse solutions in a population becomes analogous to balancing expected return and risk, respectively, in financial portfolios. In particular, it has been empirically shown that such a balance in EMO selection can be achieved using the risk-adjusted performance index known as Sharpe Ratio, without modification, as a new quality indicator in the context of a particular formulation of random individual return related to the concept of dominated hypervolume. The focus of the thesis is the subset selection problem at the core of selection in EMO algorithms, but from the more general point of view of Portfolio Selection. Two lines of work are followed. The first one consists in improving those state-of-the-art algorithms that are based on the hypervolume indicator, which is a well known and theoretically supported, but computationally expensive, quality indicator. The second line of work goes beyond subset selection: a new type of indicators based on the Sharpe Ratio is studied, both theoretically and experimentally, shedding new light on selection, fitness assignment and preference integration in EMO algorithms.Os Algoritmos Evolutivos (AEs) são algoritmos inspirados no processo de selecção natural e estão entre os métodos mais utilizados em optimização multiobjectivo. Como tipicamente os objectivos são contraditórios entre si, em vez de existir uma única solução óptima, existe um conjunto de soluções óptimas que, juntas, formam uma superfície de trade-off. A escolha da melhor solução depende das preferências do decisor, que resultam de informação subjectiva não contida na formulação do problema multiobjectivo. Na ausência desta informação sobre preferências, um algoritmo de optimização deve ser capaz de cobrir a superfície de trade-off o melhor possível, de modo a aumentar as hipóteses de que, pelo menos, uma solução satisfatória seja apresentada ao decisor (desconhecido). Um dos principais passos de um AE é a selecção, que visa priveligiar as melhores soluções mas deve também manter um nível suficiente de diversidade na população. Uma abordagem bem sucedida para selecção consiste em optimizar uma medida de qualidade da população como um todo, tendo simultaneamente em conta a qualidade de cada indivíduo e a diversidade da população. A estes AEs dá-se o nome de AEs baseados em indicadores, e estão actualmente entre o estado da arte em Optimização Multiobjectivo Evolutiva (OME). Recentemente, a noção de selecção em AEs tem sido ligada ao Problema de Selecção de Portfólios (PSP), que é muito conhecido em Finanças. Nesta analogia, os indivíduos são vistos como activos cujos retornos são variáveis aleatórias caracterizadas pelo seus valores esperados e por uma matriz de covariância. Balancear entre boas soluções e soluções diferentes numa população torna-se análogo a balancear retorno esperado e risco, respectivamente, em portfólios financeiros. Em particular, já foi mostrado empiricamente que este balanceamento na selecção em OME pode ser obtido usando, sem qualquer modificação, um índice de desempenho que tem em conta o risco e que é conhecido como rácio de Sharpe, como um novo indicador de qualidade no contexto de uma determinada formulação de retorno individual aleatório relacionado com o conceito de hipervolume dominado. O foco desta tese é o problema de selecção de subconjuntos que está no cerne da selecção em algoritmos de OME, mas do ponto-de-vista mais geral de Selecção de Portfólios. Foram seguidas duas linhas de trabalho. A primeira consiste em melhorar os algoritmos estado da arte baseados no indicador de hipervolume, que é um indicador muito conhecido e com bases teóricas, mas cujo cálculo é computacionalmente dispendioso. A segunda linha de trabalho vai além da selecção de subconjuntos: estudar um novo tipo de indicadores baseados no rácio de Sharpe, tanto teórica como experimentalmente, abrindo uma nova perspectiva sobre a selecção, atribuição de aptidão e integração de preferências em algoritmos de OME.2018-12-19doctoral thesisinfo:eu-repo/semantics/publishedVersionhttps://hdl.handle.net/10316/87398https://hdl.handle.net/10316/87398TID:101449178engGuerreiro, Andreia Prósperoinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2021-05-17T09:03:18Zoai:estudogeral.uc.pt:10316/87398Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T05:34:56.925819Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Portfolio Selection in Evolutionary Algorithms
title Portfolio Selection in Evolutionary Algorithms
spellingShingle Portfolio Selection in Evolutionary Algorithms
Guerreiro, Andreia Próspero
Evolutionary Algorithms
Algoritmos Evolutivos
Multiobjective Optimization
Optimização Multiobjectivo
Portfolio Selection
Selecção de Portfólios
Subset Selection
Hypervolume Indicator
Indicador de Hipervolume
Sharpe Ratio
rácio de Sharpe
Domínio/Área Científica::Engenharia e Tecnologia
title_short Portfolio Selection in Evolutionary Algorithms
title_full Portfolio Selection in Evolutionary Algorithms
title_fullStr Portfolio Selection in Evolutionary Algorithms
title_full_unstemmed Portfolio Selection in Evolutionary Algorithms
title_sort Portfolio Selection in Evolutionary Algorithms
author Guerreiro, Andreia Próspero
author_facet Guerreiro, Andreia Próspero
author_role author
dc.contributor.author.fl_str_mv Guerreiro, Andreia Próspero
dc.subject.por.fl_str_mv Evolutionary Algorithms
Algoritmos Evolutivos
Multiobjective Optimization
Optimização Multiobjectivo
Portfolio Selection
Selecção de Portfólios
Subset Selection
Hypervolume Indicator
Indicador de Hipervolume
Sharpe Ratio
rácio de Sharpe
Domínio/Área Científica::Engenharia e Tecnologia
topic Evolutionary Algorithms
Algoritmos Evolutivos
Multiobjective Optimization
Optimização Multiobjectivo
Portfolio Selection
Selecção de Portfólios
Subset Selection
Hypervolume Indicator
Indicador de Hipervolume
Sharpe Ratio
rácio de Sharpe
Domínio/Área Científica::Engenharia e Tecnologia
description Tese de Doutoramento em Ciências e Tecnologias da Informação apresentada ao Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de Coimbra
publishDate 2018
dc.date.none.fl_str_mv 2018-12-19
dc.type.driver.fl_str_mv doctoral thesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10316/87398
https://hdl.handle.net/10316/87398
TID:101449178
url https://hdl.handle.net/10316/87398
identifier_str_mv TID:101449178
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833602402915188736

Similar Items