改进混合鲸鱼灰狼优化算法在用户贷款违约预测中的应用研究

作     者：陈甜甜 

作者单位：北方民族大学 

学位级别：硕士

导师姓名：秦传东

授予年度：2024年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 020202[经济学-区域经济学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：鲸鱼优化算法 灰狼优化算法 Circle混沌映射 用户贷款违约预测 

摘      要：近年来,用户贷款行业快速发展,金融机构从贷款中获利的同时,也承担着相应贷款人违约的风险。因此,准确预测贷款违约风险十分重要。但随着科学技术的飞速发展和数据量的不断增加,人们对计算精度的要求越来越高,传统算法难以解决该问题,研究者们对此提出了许多群智能优化算法。群智能优化算法结构简单,容易实现,已被广泛应用于各种实际问题。混合鲸鱼灰狼优化算法(hybridized WOA with GWO,WOAGWO)具有全局搜索能力强、开发能力强等优点,但是仍然存在算法初始种群多样性差,在迭代后期容易陷入局部最优的问题。针对上述问题,本文做了如下工作:(1)提出了一种改进的混合鲸鱼灰狼优化算法(CW-WOAGWO)。首先在混合鲸鱼灰狼优化算法(hybridized WOA with GWO,WOAGWO)中引入Circle混沌映射优化初始种群位置。随机初始化种群位置有可能造成初始种群位置分布不均匀,从而使得迭代时间过长或陷入局部最优。使用Circle混沌映射初始化种群位置可以增加种群多样性,从而提高算法的收敛速度。其次在搜索代理位置更新时增加惯性权重。参考惯性权重策略引入一种非线性递减因子,使算法在迭代初期具有较强的全局搜索能力,在迭代到达后期时,惯性权重非线性递减,局部搜索能力加强,收敛速度加快。最后本文使用23个基准函数和CEC2019测试函数对改进后的算法进行性能评估,结果表明本文算法的探索能力和收敛速度得到加强。(2)将CW-WOAGWO算法应用在用户贷款违约预测中。针对处理后的数据集构建了改进的混合鲸鱼灰狼优化算法优化支持向量机模型(CW-WOAGWO-SVM),并与其他三种模型进行实验对比分析。结果表明CW-WOAGWO-SVM模型能够更加准确地对用户贷款违约行为进行预测。