現代の金融市場において、意思決定者は複数のしばしば相反する目的間の複雑なトレードオフをナビゲートするために、定量的手法にますます依存している。本論文は、制約付き多目的最適化問題を対象とし、リスク最小化とリターン最大化のためのポートフォリオ最適化に応用する。既存のギャップを埋めるため、著者らは強化学習エージェントコントローラとグレイリレーショナル係数（GRC）に基づく選択を組み合わせた新しいアルゴリズムRL-NSGA-II-GRCを提案する。このアルゴリズムは、パレートフロントの収束性と多様性を改善する。
強化学習エージェントは、ハイパーボリューム、実行可能性、多様性の指標を用いてオンラインで進化パラメータを適応させる。一方、GRCトーナメント演算子は、支配ランク、混雑距離、理想参照点への近接性を考慮した統合スコアによって親個体をランク付けする。この設計により、アルゴリズムは進化過程中に探索戦略を適応的に調整し、解空間をより効率的に探索できる。
研究者らは、KursaweおよびCONSTRの2つのベンチマーク関数でフレームワークを評価した。実験結果によると、RL-NSGA-II-GRCは従来のNSGA-IIと比較して約5.8%および4.4%の収束改善を達成し、同時によく分散された非支配解を維持した。これは、アルゴリズムが真のパレートフロントに近い解を見つけるだけでなく、解の多様性も保持できることを示している。
NASDAQポートフォリオの事例では、このアルゴリズムを実際の株式データに適用し、滑らかで密度の高い効率的フロンティアを生成した。このフロンティアを通じて、投資家は最大シャープレシオポートフォリオ（年率シャープレシオ1.92）や、異なるリスク回避レベルに対する効用最適ポートフォリオを特定できる。これにより、実際の投資意思決定に役立つツールが提供される。
本論文の主な貢献は次の3つである。第一に、RL-NSGA-II-GRC法は、進化的フレームワークにRLエージェントを統合し、世代フィードバックを介してパラメータを適応的に制御する。第二に、GRC強化バイナリトーナメント演算子は、探索をパレートフロントへ導く包括的な指標を提供する。第三に、ベンチマーク多目的最適化とNASDAQケーススタディにおいて、本手法が収束性とフロンティアの密度において改善をもたらし、実用的な洞察を支援することを実証した。この研究は、進化的多目的最適化アルゴリズムの発展に寄与するとともに、金融分野における定量意思決定に新たな道を開くものである。