генетические алгоритм

Своим опытом в построении высокопроизводительных торговых систем с использованием генетического программирования делится Dr Jonathan Kinlay в своем блоге.

Увеличение времени, стоимости и риска разработки стратегий заставило трейдинговые компании исследовать возможности итенсификации процессов разработки. Одним из таких подходов является генетическое программирование.

Генетическое программирование  (ГП) это эволюционная методология разработки, которая может быть использована для идентификации паттернов или зависимостей в структурах данных. ГП  это набор инструкций  ( обычно простые операторы, сложение и вычитание) для исходных данных и функция соответствия для определения, насколько хорошо система способна комбинировать функции и данные для достижения определенной цели.

( Читать дальше )

Изучая физиологию нервной системы человека и животных, нейробионика даёт возможность совершенствовать и развивать архитектуру вычислительной техники и нейронных сетей. Как мы узнали на Алгочетверге, Алексей Афанасьевский @agaranga сумел приспособить технологии искусственной жизни и эволюционного программирования, как минимум, к трём задачам:

1. самообучаемые игрушки-графы (практической пользы не приносят, но забавны)
2. топология транспортной системы Франции с составлением расписаний движения междугородных автобусов и железных дорог 
3. программа для авиадиспетчеров
4. собственно, трейдинг. 

Конспект и видео

Фишка методов программирования искусственной жизни (ИЖ) весьма актуальна для трейдеров HFT и big data. Этот подход дает надежду найти успешное решение не полным перебором массы вариантов, а способами, похожими на эволюционную теорию Дарвина. Надо сказать, что применение биологических терминов несколько сбивает с толку: мутация, наследование, отбор. Конечно, за реализацию эволюционных процессов, включая борьбу за существование, отвечает программист, а предмет борьбы – не пища, а вычислительное время.

( Читать дальше )

Продолжаем патентные исследования в области  генетических алгоритмов и нейронных сетях




GENETIC ALGORITHM BASED
SELECTION OF NEURAL NETWORK ENSEMBLE FOR PROCESSING WELL LOGGING
DATA
Предложены способ и устройство для создания множества нейронный сетей. Для обучения нейронных сетей с разбросом ошибок используют традиционные алгоритмы, например, создавая различное количество скрытых узлов в каждой сети.
Для выбора одного или более множеств сетей используют генетический алгоритм, имеющий многообъектную функцию пригодности (приспособленности).
Функция пригодности (приспособленности) включает корреляционную функцию для контроля разброса между элементами множества.
Генетический алгоритм может быть использован для выбора весовых коэффициентов для много объектной функции.