随着我国市场经济的不断发展和金融市场的不断完善,目前,投资者对投资的需求越来越多样化,研究在投资过程中进行组合投资,最大化收益,最小化风险具有实际意义。近年来,智能算法的应用研究不断发展,智能算法应用于解决投资组合优化问题已经被越来越多的学者认同。因此,本文基于目前投资组合的研究现状,提出了一种基于结构化分类的投资组合优化模型,通过对比实证结果,证明了结构化模型可以有效解决投资组合优化问题。目前,国内外研究者大多是通过对Markowitz的均值-方差(Mean-Variance)模型或对求解模型的算法进行一定的改进,主要包括增加实际的约束条件限制,考虑交易费用,利用改进的遗传算法或其他智能算法解决投资组合优化问题,而对投资组合优化模型的建立和对证券的分类以及实际证券市场的动态性研究较少。首先,介绍了现代投资组合理论及国内外研究现状,其次,提出了一种基于结构化分类的投资组合优化模型,并给出了通过改进的遗传算法解决该结构化模型的步骤；再次,根据结构化投资组合优化模型提出来动态投资组合问题的解决方法,引入了考虑交易成本的动态调整机制；最后,根据实际证券市场中99支股票的历史数据,通过Matlab数据处理软件进行仿真实验,将得出的结果与Markowitz均值-方差模型的结果进行比较,实证研究结果证明本文建立的基于结构化分类的投资组合优化模型是有效的。