随着经济全球化的进程不断加快,投资环境也在发生着深刻变革,显现在投资者面前的投资机遇不断增多,但是伴随而来的投资风险也在日益加剧。通过构建有效的投资组合模型从大量的候选资产数据中分析得到目标资产组合,以最大限度的提高收益、规避风险对于投资者本身而言显得至关重要。然而,从未知候选资产中分析得到有效组合,需要分析的相关资产数据庞大,很难准确的获取到有关信息。通过在1952年Markowitz提出的均值-方差模型基础上改进对资产组合进行建模,并与智能算法技术结合已成为时下最流行的研究方法,近年来也取得了较好的成果。通过对基本鱼群算法进行改进来解决投资组合中的实际问题。目前运用群智能算法解决投资组合问题时,收敛的速度慢及精度不高、稳定性差等不足。鉴于此,对以往算法的不足进行了研究,尝试运用规范化、随机选择行为中加入变异因子以及改进觅食行为的搜索策略,最后通过轮盘赌对整个鱼群进行择优选取进行迭代,以此来解决该问题。此外,为了使模型更加符合现实中的交易环境,在建立数学模型时,还在约束条件中,增加了基数约束,以减少股票交易中的管理成本和交易费用。验证算法性能的数据集来自沪深股市中随机选取的20只股票的实时交易数据,通过对投资组合问题中的模型参数以及改进算法中的参数进行详细分析,结果证明该算法有较好的性能。