A New Metaheuristic Algorithm Called Treble Opposite Algorithm and Its Application to Solve Portfolio Selection
Notice bibliographique
Résumé
This work presents a new metaheuristic called treble opposite algorithm (TOA).It consists of three phases.There are two searches that are opposite to each other performed in each phase.In the first phase, the search toward and away from the best solution is carried out.In the second phase, the search toward and away from the middle between two randomly picked solutions is carried out.In the third phase, a neighborhood search around the narrow and large space is carried out.A candidate is selected among the two searches in every phase.TOA is challenged to solve theoretical and practical problems.The 23 functions represent theoretical problems, while the portfolio optimization of stocks in the banking sector listed in IDX30 represents the practical problem.TOA is compared with five metaheuristics: grey wolf optimization (GWO), golden search optimization (GSO), average subtraction-based optimization (ASBO), zebra optimization algorithm (ZOA), and coati optimization algorithm (COA).The result indicates that TOA is superior to its competitors as it is better than GWO, GSO, ZOA, ASBO, and COA in 22,23,19,20,and 19 functions respectively, in handling 23 functions and produces the highest total capital gain in handling portfolio optimization problem.In the future, TOA can be utilized to handle many other realworld optimization problems.Moreover, TOA can be hybridized with other metaheuristics to improve its performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».