文化算法是在深入分析原有进化理论的优越性与不足的基础上,借鉴社会科学中的社会(文化)进化理论与已取得广泛共识的研究成果,而提出的一系列新的算法。文化算法是一种基于知识的双层进化系统,其包含两个进化空间:一个是由在进化过程中获取的经验和知识组成的信仰空间;另一个是由具体个体组成的种群空间。文化算法将种群知识和背景理论与已有的一些智能算法有机地结合起来,提高了算法的整体性能。文化算法在本质上属于优化技术范畴,故可以应用于自动控制、模式识别、图象识别、优化设计、经济学等广泛领域。本文将其在经济学投资组合理论中进行首次尝试。本文在阐述了文化算法的发展现状以及现代投资理论的产生和发展现状的基础上,进行了以下研究工作:首先,详述了文化算法的计算框架以及种群空间、信仰空间和各功能函数的设计,并根据不同的影响函数建立了两种版本的文化算法。由于实际工程中的很多问题都可以转化为非线性规划问题,因此本文对用于解决此类优化问题的文化算法进行深入的研究并对其进行了性能仿真。仿真结果表明,引入信仰空间概念的文化算法能够有效地解决非线性优化问题,不同类型的知识对解决不同类型的问题效果略有不同,但对于一般优化问题两种版本的文化算法都具有通用性。其次,简要介绍传统投资组合理论的研究方法,分析了传统投资理论的不足的之处,在此基础上分析了现代投资组合理论的产生和发展。之后重点介绍了现代投资理论的标志——Markowitz投资理论的基本思想和相关概念以及多个证券的组合能够分散总体投资风险的原理。再次,在Markowitz投资理论思想的启迪下,建立了一种能够满足不同风险偏好的投资组合模型。针对一般算法求解此类非线性规划不易得到最优解的问题,对文化算法应用于投资组合问题进行了尝试,提出了基于文化算法的投资理论研究方法。仿真实验结果证明了所提算法能够有效、快速地解决此类问题。最后,以进化规划为进化算法的代表,对其区别加以分析。仿真结果显示区别于一般启发式智能算法,文化算法的双层结构能够使搜索过程在经验知识的指导下进行,从而两种版本的文化算法均能以较快的速度收敛到全局最优解并且具有良好的鲁棒性。