In der Diplomarbeit ""Algorithmen zur vektorwertigen Portfoliooptimierung"", wird die Anwendung verschiedener Genetischer und Evolutionärer Algorithmen auf Fragestellungen der Portfoliooptimierung mit mehreren Zielfunktionen diskutiert. Die Portfoliogewichte von n Anlagemöglichkeiten sollen so bestimmt werden, dass bestimmte Ziele möglichst gut erfüllt und dabei gewisse Nebenbedin-gungen eingehalten werden. Da eine exakte Lösung allgemeiner Optimierungsprobleme in der Regel nur sehr schwer und mit einem enormen Rechenaufwand möglich ist, können alternativ Heuristiken verwendet werden. Genetische und Evolutionäre Algorithmen versuchen den iterativen Verbesserungsprozess der Evolution auf Computerprogramme zu übertragen und so allgemeine Optimierungsprobleme zu lösen. Sie sind allerdings keine exakte Methode, sondern lediglich approximative Verfahren. Dies bedeutet insbesondere, dass diese erst mit zunehmender Iterationszahl gegen das Optimum konvergieren.Neben der Anwendung auf die klassische Markowitz Problemstellung, wird in dieser Arbeit insbesondere die Lösung des Indextrackingproblems mit drei Zielfunktionen und nicht zusammenhängenden zulässigen Gebieten für die Portfoliogewichte und die ""5- 40 Regel"" als zusätzliche Nebenbedingung behandelt. Die Ergebnisse der Arbeit zeigen, dass die Anwendung Genetischer und Evolutionä-rer Algorithmen für diese Problemstellungen sehr geeignet sind.     «

In der Diplomarbeit ""Algorithmen zur vektorwertigen Portfoliooptimierung"", wird die Anwendung verschiedener Genetischer und Evolutionärer Algorithmen auf Fragestellungen der Portfoliooptimierung mit mehreren Zielfunktionen diskutiert. Die Portfoliogewichte von n Anlagemöglichkeiten sollen so bestimmt werden, dass bestimmte Ziele möglichst gut erfüllt und dabei gewisse Nebenbedin-gungen eingehalten werden. Da eine exakte Lösung allgemeiner Optimierungsprobleme in der Regel nur sehr schwer und m...     »