商业银行的贷款组合优化决策问题是当今银行业普遍关注的问题之一,贷款决策的对与否直接关系着银行的生死存亡。因此,科学合理地进行贷款组合选择,具有重要的研究价值,它可以有效地规避商业银行的风险,同时提高其收益。本文结合我国商业银行的实际操作情况,提出了如下几类商业银行贷款组合优化决策模型,并针对这些模型给出了求解的智能优化算法:(1)建立了一个复合风险权重的贷款组合优化决策模型。该模型是在单位风险收益最大原则的基础上,充分考虑了企业的信用分级等情况后,引入了风险权重的概念而建立的。这个模型是一个带有上下界约束的非线性0-1规划问题,其求解是十分困难的。我们给出了两个不同的智能优化算法对其求解,即混合改进贪婪变换的遗传算法和自适应粒子群优化算法。数值试验结果表明,模型的建立符合实际要求,且两个算法对于求解该模型均是合理的。(2)针对存量贷款问题,建立了两个不同的模型:一是建立了一个基于单位风险收益最大原则的存量贷款和增量贷款的组合优化决策模型,它是一个带有上下界约束的非线性0-1规划问题,用(1)提到的混合改进贪婪变换的遗传算法对其进行求解;二是以期望收益和条件风险价值(CVaR)为目标函数,建立的一个双目标贷款组合优化决策模型,同时给出了解该模型的一个改进的粒子群优化算法。数值试验表明,这两个模型及其求解方法都是有效的,可以对我国商业银行贷款决策方面的研究起到一定的借鉴作用。(3)针对银行的信用风险和贷款的周期性等问题,首先建了一个基于信用风险修正的多阶段动态银行贷款组合优化决策模型,该模型在多阶段模型中考虑了信用风险修正问题,并根据模型的特点,给出了求解的方法,它是由基于Monte Carlo模拟的动态算法和基于差分进化的多阶段算法组成,前者求解银行各类贷款的期望收益率,后者求解每一阶段银行对各类贷款的最优投资比重;其次,在考虑了银行的资产负债管理的基础上,建立了一个考虑资产负债管理的多阶段商业银行贷款组合优化决策模型,与前一个模型比较,仅仅增加了更多无风险的资产和相应的约束,可以用上一个算法求解,但为了扩大该类模型的求解方法,又给出了一个基于改进粒子群的多阶段算法用于求解每一阶段银行对各类贷款的最优投资比重。数值试验表明,这两个模型在求解商业银行多阶段动态的贷款组合优化问题是合理的,所给出的算法是有效的和可行的。