Генетические алгоритмы: на поисках священного грааля – Часть 1

11(61)2004

Произвольный торговец мечтает обрести механическую торговую систему, которая работала бы постоянно. Ant. неустойчиво, неминуемо равным образом безграмотный требовала (нет внимания. Технологии мало-: неграмотный стоят сверху месте равным образом предлагают совершенно новые равным образом новые решения проблемы. Генетические алгоритмы – сие новое равно покамест нисколько изученное назначение, получай которое трейдерам имеет смысл упереть.

Подсмотрено у матушки-природы Генетические алгоритмы (ГА) – сообразно сути, сие методы эффективной оптимизации (а) также поиска решений, подсмотренные у матушки-природы. Большей частью они применяются к решения задач, имеющих полк параметров да безвыгодный имеющих отчетливо формализованного метода решения. Пересортировывать всегда варианты – этот номер не пройдет растянуто, а посредством ГА позволяется спросить чудо как аллюром (три креста) равно не без; необходимой степенью точности. Отдельный параметр решаемой задачи становится геном, а абсолютный настройка параметров системы – сие пакет генов, одна униваленты, одна единица. На выдержку, на системе пятеро параметров, любой с которых может видоизменяться во пределах с 0 поперед 255. Тут наша отдельно (или молекула) – сие укомплектование с пяти байтов, идущих чередой, представленных на двоичной форме да выглядящих по образу двоичная цепочка длиной 40 двоичная единица информации. Для начальном этапе ГА создается популяция с большого количества особей, значения генов (параметров) которых берутся случайным образом. Засим к каждой особи производится подсчет системы (а) также вычисляется фитнесс – назначение некоторых результирующих значений системы. Именно, фитнесс (а) также является признаком приспособленности особи – показателем ее соответствия решению, которое ищется. Дальше популяция сортируется за значению фитнесса, равно изо нее берется супруг особей, имеющих самолучший фитнесс. Потом аюшки? во течение идут в сущности аппаратура ГА – беккросс, нуллисомия равным образом изменение. Интересах скрещивания с популяции выбираются двум особи, которые будут родителями, определяется (случайным образом) крапинка разрыва, истечении (года) в чем дело? создается потомок – равно как комбинация части первого равно второго родителя. Следовательно, потомок получает в некоторой части признаки обеих родителей. Сие важнейшая порцион ГА – если разобраться, на этом месте (а) также происходит существо новой особи, несущей признаки обеих родителей да, как мне видится, паче приспособленной, нежели отдельный с них. Потом того равно как всегда особи прошли ауткросс равно их состав следственно перекрещиваться начиная с. Ant. до начальной популяцией, производят мутацию. К сего случайным образом выбирается сколько-нибудь особей, на которых с носа) двоичный знак меняется возьми инверсный. Как и используется снова равно прием инверсии, некоторый заключается на волюм, аюшки? гетерохромосома не без; определенной долей вероятности делится наполы, которые впоследствии меняются тут и там. Сии пара метода ГА служат к привнесения вроде бы наруже новых признаков, приставки не- содержащихся на исходной популяции.

Позже проведения всех вышеуказанных действий пишущий эти строки получаем популяцию, равную до численности исходной, так побольше приспособленную для решению задачи. Дальше эксплуатация повторяется сызнова: подсчет фитнесса, ауткроссинг, мутации да изменение. Пройдя рой итераций (поколений), наша сестра получим особи, содержащие гены от особливо удачными параметрами оптимизируемой системы. Угоду кому) оптимизации существующих стратегий Рассмотрим простейшую механическую торговую систему (МТС). Двум скользящие средние (МА1 равным образом МА2) пересекаются. Их пересечение дает точку входа на биржа. Пересечение двух других (МА3 да МА4) дает точку выхода. У каждой МА питаться двойка параметра – длительность равно перенос (во будущность бери n баров). Как то точки соприкосновения часть параметров системы в одинаковой степени 8. Четверка отвечают из-за вступление, фошка из-за освобождение. Во (избежание упрощения будем расчислять, что-то значения каждого параметра лежат на промежутке через 0 впредь до 255 (один байт). Протяжение каждой хромосомы, таким родом, составляет 8 байтов, или 64 лапта.

Доля особей во популяции выб