Table of Contents
写在前面
遗传规划与遗传算法对比
- 遗传规划用树状结构表示基因(编码方式), 而遗传算法的基因座是串行的, 两者相比, 遗传规划的扩展性, 可变形更强.
- 遗传规划树状结构的节点是由“运算算子“构成的, 这些算子包括了科学计算($+, -, log, sin, sum$), 自定义算子(例如$z=f(x, y)$)函数, $a=rank(b)$等.
- 遗传规划的树状结构的层级和复杂度, 随着迭代的自动延伸, 不需要对最终模型有先验判断.
- 理论上, 基本数学和逻辑运算符, 可以表述所以已知和未知的技术指标和交易经验. 但基于现有的运算能力, 限定运算和数据范围能有效提高交易系统的开发效率.
遗传规划的优点
- 遗传规划不需要预设基因座结构, 突破固有思维局限.
- 迭代效率上, 遗传规划的收敛速度是指数级别的, 而遗传算法则停留在线性级别.
- 遗传规划能描述层次化问题, 树状结构的主干能提供更多的有效信息.