بهینه سازی رفتار اسپین گلاس با استفاده از اتوماتای یادگیر برای انتخاب بهینه سبد سهام

مسئله انتخاب بهینه سبد سهام یکی از مسائل غیر چند جمله ای (NP) است که تاکنون الگوریتم دقیقی برای حل آن ارائه نشده است. معمولا برای حل این گونه مسائل از روش های هوشمند استفاده می گردد، یکی از این روش ها اسپین گلاس نام دارد. اسپین گلاس شبکه ای از اسپین ها است که هر اسپین تغییر وضعیت می دهد که سیستم به کمترین میزان انرژی خود برسد. اسپین گلاس ها برای حل مسائلی که بهینه عمومی از بهینه محلی حاصل می گردد و یا نیاز به پردازش موازی دارند استفاده می شوند. اما اینروش دارای سرعت همگرایی پائینی است که برای افزایش سرعت آن از عملگرهای جابجایی اسپین ها و نخبه گرایی استفاده می گردد. این دو دو عملگر برای شبکه های اسپینی به دلیل بر هم زدن ساختار شبکه، عملگرهای گرانی هستند و پردازش زیادی نیاز دارند. در این مقاله برای افزایش سرعت همگرایی از اتوماتای یادگیر بهره گرفته شده است. اتوماتای یادگیر، توزیع احتمالی انتخاب اسپین ها را از توزیع احتمال یکنواخت تغییر داده و باعث می شود که اسپین های نخبه (برتر)، شانس انتخاب بیشتری داشته باشند و عملگرهای جابجایی و نخبه گرایی برای این دسته از اسپین ها انجام گیرد. مزیت روش پیشنهادی علاوه بر حفظ خاصیت پردازش موازی، افزایش چشمگیر سرعت همگرایی با کاهش نرخ جابجایی اسپین ها و کمترین تغییر در الگوریتم اسپین گلاس می باشد.

کلیدواژه ها:

مدل اسپین گلاس ، انتخاب سبد سهام ، اتوماتای یادگیر ، بازپخت تطبیقی ، جستجوی محلی و پردازش موازی