* اهری، دیار (1388)، پورتفولیو بهینه از طریق معیار ارزش در معرض ریسک: بکارگیری الگوریتم بهینه‌سازی اجتماع ذرات، پایان نامه کارشناسی ارشد، دانشگاه تهران.
* جباری، رامین. صالحی صدقیانی، جمشید. امیری، مقصود (1391). ارزیابی عملکرد و انتخاب پرتفوی از صندوق‌های سرمایه‌گذاری سهام، تحقیق در عملیات و کاربردهای آن، شماره 32، صفحه 1-19.
* رادپور، میثم، عبده تبریزی، حسین (1388). اندازه گیری و مدیریت ریسک بازار- چاپ اول – انتشارات آگاه
* راعی، رضا. علی بیگی، هدایت (1388). بهینه‌سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات، تحقیقات مالی، دوره 12، شماره 29، صفحه 21-40.
* رضایی بندری، عباس. آذر، عادل. رعیتی شوازی، علیرضا (1390). به‌کارگیری الگورتیم ژنتیک برای انتخاب پرتفولیوی بهینه‌ای با اهداف غیرخطی (بورس اوراق بهادار تهران)، پژوهش‌های اقتصادی ایران، شماره 48، صفحه 109-134.
* گرکز، منصور. عباسی، ابراهیم. مقدسی، مطهره (1389). انتخاب و بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک بر اساس تعاریف متفاوتی از ریسک، فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد سنندج، صفحه 115-136.
* مدرس، احمد. محمدی استخری، نازنین (1386). انتخاب یک سبد سهام از بین سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل بهینه سازی الگوریتم ژنتیک، توسعه و سرمایه، شماره 1، صفحه 71-92.
* نویدی، حمیدرضا. نجومی مرکید، احمد. میرزا زاده، حجت (1388). تشکیل پرتفوی بهینه در بورس اوراق بهادار تهران با استفاده از الگوریتم‌های ژنتیک، تحقیقات اقتصادی، شماره 89، صفحه 243-262.
* Arnone, S. Loraschi, A. &Tettamanzi, A(1993), A Genetic Approach to Portfolio Selection, Neural Network World, No. 6, pp. 597–604.
* Fabio D. Freitasa., Alberto F. De Souzab.,-Ailson R. de Almeidac (2007), Prediction-Based Portfolio Optimization Model Using Neural Networks, Lattice Computing and Natural Computing, p.p.2155-2170.
* Fernandez, A. Gomez, S (2007), Portfolio Selection Using Neural Networks, Computer&Operation Research, p.p. 1177-1191.
* Gaivoronski, A. Pflug, G. (2005), Value at Risk in Portfolio Optimization: Properties and Computational Aapproach, Journal of Risk, p.p.1-31.
* Guang-Feng, Deng. Woo-Tsong, Lin (2010), Ant Colony Optimization for Markowitz Mean-Variance Portfolio Model.”, Swarm, Evolutionary and Memetic Computing Lecture Notes in Computer Science, 245, p.p. 6466-238.
* Jia, J.Dyer, J. S (1996), A Standard Measure of Risk and Risk-Value Models, Management Science, p.p.1691-1705.
* Kennedy, J. (1997), the particle Swarm, Social adaptation of knowledge, p.p.303-308.
* Kennedy, J.Eberhart, R(1995), A New Optimizer Using Particle Swarm Theory, In Sixth international symposium on micro machine and human scienc., p.p.43-39.
* Ozsoydan, Fehmi Burcin, Sarac,Tugba, (2011), A Discrete Particle Swarm Optimization Algorithm for Bicriteria Warehouse Location problem Istanbul University Econometrics & Statistics e-Journal, 13, p.p. 114-124.
* Konno, H(2003), Portfolio Optimization of Small Fund Using Mean-Absolute Deviation Model, International Journal of Theoretical and Applied Finance, p.p. 403-418.
* Konno, H. Koshizuka, T. (2005), Mean-Absolute Deviation Model, IIE Transactions, p.p.893-900.
* Konno, H.Yamazaki, H. (1991), Mean-Absolute Deviation Portfolio Optimization Model and its Applications to Tokyo Stock Market, Management Science, p.p.519-531.
* Lai, king keung, leanYu, Shouyang, Wang, Chengxiong, Zhou(2006), A Double-Stage Genetic Optimization, ICONIP'06 Proceedings of the 13th international conference on Neural information processing, p.p. 928-937.
* Loraschi, A. Tettamanzi, A. Tomassini, M. Svizzero, C. Scientifico, C.Verda, P. (1995), Distributed Genetic Algorithms with An Application to Portfolio Selection Problems, in: artificial neural networks and genetic algorithms, Berlin, Springer-Verlag, p.p.384-387.
* Markowitz, H. M. (1952), Portfolio Selection, the Journal of Finance, p.p. 77-91.
* Markowitz, H.M. (1959), Portfolio selection: Efficient diversification of investments; John Wiley & Sons.
* Paterlini, S.Krink, T. (2006), Differential Evolution and Particle Swarm Optimization in Partitional Clustering.” Computational Statistics and Data Analysis, No.50, p.p. 1220-1247.
* Ratnaweera, A. Halgamuge, S.Watson, H. (2004), Self-Organizing Hierarchical Particle Swarm Optimizer with Time-Varying Acceleration Coefficients, Transactions on Evolutionary Computation, No. 8, p.p. 240-255.
* Rolland, E. (1996), A Tabu Search Method for Constrained Real-Number Search:Applications to Portfolio Selection,Technical Report, Department of Accounting and Management Information Systems, Ohio State University, Columbus.
* Sharpe, W.F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. The Journal of Finance, 19(3), pp. 425–442.
* Shi, Y.Eberhart, R. (1998), A Modified Particle Swarm Optimizer, IEEE world congress on computational intelligence, p.p.69-7s3.
* Tehran Securities Exchange Technology Management Co http://www.tsetmc.com
* Tehran Stock Exchange http://www.irbourse.com
* Tun-Jen, Chang. Sang-Chin, Yang. Kuang-Jung, Chang (2009), Portfolio Optimization Problems in Different Risk Measures Using Genetic Algorithm, Expert Systems with Applications, p.p. 10529-10537.
* Cura, T. (2009), Particle Swarm Optimization Approach to Portfolio Optimization, Nonlinear Analysis: Real World Applications, No.10, p.p. 2396–2406.
* Woodside-Oriakhi, M. Lucas, C. Beasley, J.E. (2011), Heuristic Algorithms for The Cardinality Constrained Efficient Frontier, European Journal of Operational Research, p.p. 538-550.
)