|
|
Перехід до нового
покоління
Відповідь
Рис. 1.
З початку системою генерується випадкова популяція індивідуумів, тобто деякий набір рішень задачі. Далі моделюється розмноження в межах популяції. Для цього система обирає декілька пар “індивідуумів”, проводиться кросинговер між хромосомами в кожній парі, а отримані нові хромосоми розміщується в нову популяцію. В генетичному алгоритмі зберігається основний принцип відбору – чим більше пристосований індивідуум, тим більше ймовірність, що він буде брати участь у наступному кросинговері. Далі система підтримки прийняття рішень моделює мутації, тобто випадково змінює деякі “гени” у вибраних векторах нового покоління. Далі стара популяція векторів знищується і система переходить до розгляду наступного покоління.
Популяція наступного покоління містить ту ж кількість векторів, що і початкова, але у зв’язку з отбором загальна прибутковість по ній вище, ніж в попередній популяції. Тепер система повторює описані процеси відбору, кросинговеру та мутації для нової популяції.
В кожному наступному поколінні ми будемо бачити виникнення зовсім нових рішень задачі. Серед них будуть як добрі, так і погані, але завдяки відбору кількість добрих рішень буде зростати. Імітуючи еволюцію система підтримки прийняття рішень буде завжди зберігати життя найкращому з “індивідуумів” наступного покоління. Така методика називається “стратегією елітизму”.
Таким чином на деякому етапі покращення якостей рішень задачі буде уповільнюватись і далі стане дуже повільним. Тоді з отриманих наборів “індивідуумів” відбирається ті, які надає найбільше значення функції прибутковості. Отримані відповіді і є рекомендаціями системи для проведення процесу інвестування в цінні папери.
Приведений варіант системи лише один з багатьох, які можна використовувати при створенні універсальної системи фінансового аналізу. На жаль на вітчизняному ринку ці системи поки що не знайшли широкого застосування. Насамперед це пов’язано з недосконалістю фінансового ринку. Але це не означає, що подібні системи не знайдуть місця в Україні. По мірі розвитку фінансового ринку постає питання про створення СППР на базі генетичних алгоритмів та інших методах нечіткої логіки на Україні.
Список літератури.
1. [Диссер] Жданов А.А. Принципи автономного адаптивного керування. Дисертація на конкурс вченого ступеню доктора фізико-математичних наук. -Москва.: ОЦ РАН, 1993.-с. 318
2. В.Брауэр. Введення в теорію кінцевих автоматів.-М.: "Радіо і зв'язок", 1987. -с. 392
3. McCulloch W.W., Pitts W. 1943. A logical calculus of the ideas imminent in nervous activiti. Bulletinn of Mathematical biophysics 5: 115-33. (Російський переклад: Маккалок У.С., Питтс У. Логічне числення ідей, що відносяться до нервової діяльності. Автомати. - М: ІЛ., 1956. -c. 296)
4. Уоссермен Ф Нейрокомпьютерна техніка. - М.: Світ, 1992, -c. 231
5. Герман О.В. Введення в теорію експертних систем і опрацювання знань. – Мінськ: ДизайнПРО, 1995. -c. 205
Завантажити реферат