一般的效用函数没有考虑历史事件在将来出现的可能性差异,即认为在历史中发生的概率也会以相同的概率在未来时间发生,为了避免这种很强的假设,本文研究了基于双重期望效用下的投资组合模型,并应用人工智能算法对其求解.因此,基于双重期望效用理论的效用函数来度量投资行为的效用思想下,本文的主要工作如下:1根据实际金融市场的需求,以证券的收益率服从正态分布作为前提,引入可投资数目最大上限的约束,建立相应的多目标投资组合优化模型,采用罚函数法将多目标投资组合模型转化为单目标模型,同时构造出符合该模型的教与学算法对其求解,并选取10支股票进行仿真实验.2引入限制性卖空的约束条件,建立了投资组合优化模型,同时引用权重系数作为风险厌恶因子,使得模型更加符合投资者的决策心理,从而确保了决策方案的可行性.此外,本文设计了适合模型的混沌鸟群算法求解模型,并与粒子群、教与学算法作了比较,得到了当风险厌恶因子A取不同值时混沌鸟群算法具有更好的优化效果,同时为决策者们提供了更佳的投资方案.3考虑到我国真实的证券市场存在一些摩擦因素,会受到最小交易量及交易费用的约束,同时站在投资者角度,必须以分散风险为一目标,设置了投资上限限制,使得本文所给出的模型更贴近金融市场中投资者们的决策行为,这一模型方案合理、可行,使投资者多一种选择方案;此外,设计了求解模型的粒子群算法,得到符合理论依据的数值结果,为投资者们提供一种最优选择.