La teoria del caos afferma che molti processi del mondo reale che sembrano casuali possono essere modellati matematicamente, ma trovare il modello giusto può essere estremamente difficile. Uno strumento che i matematici trovano spesso risolve questi modelli è chiamato algoritmi genetici. Invece di utilizzare metodi analitici, il computer sviluppa un proprio modello utilizzando un processo simile a quello trovato in biologia usando casualità e mutazione. Seguire questa procedura per creare un algoritmo genetico quindi sviluppare una serie di metriche per affinare il modello.

istruzione

Come creare algoritmi genetici

1 Raccogliere i dati. Il problema può essere modellare il movimento dei prezzi delle azioni per lunghi periodi di tempo, le osservazioni di temperatura o il movimento dei pianeti concisa.

2 Creare un programma per computer che si sviluppa il modello. Il modello può essere rappresentato da una lunga serie di lettere o numeri, ciascun istruendo il programma per eseguire un'operazione matematica.

3 Creare 50 o 100 stringhe casuali, ciascuno dei quali rappresenta una possibile soluzione al problema.

4 Eseguire ogni modello e confrontare i risultati con i dati osservati. Posizione ogni modello utilizzando le metriche di seguito descritte.

5 Scegli i migliori 5 o 10 modelli. Copia questi per creare un altro 50 a 100 modelli, in modo casuale aggiunta, la modifica o l'eliminazione di alcune operazioni in ciascuno.

6 Ripetere il processo fino a quando un modello genera la soluzione corretta.

Come Inventare metriche

7 Misurare la precisione. Il modello che più si avvicina a abbinare i risultati del mondo reale è di solito il miglior candidato per la raffinatezza. Sommare i quadrati delle differenze (osservato - modello) ^ 2. Ciò elimina quei modelli con le più grandi errori.

8 Contare le partite. Impostare una soglia per una partita, possibilmente entro lo 0,01 per cento della risposta corretta, poi contare il numero di partite. Potrebbe essere necessario iniziare con un grande soglia poi stringerlo come il progresso modelli.

9 Fattore semplicità nella partitura. Una soluzione più piccola, più semplice è più elegante e più facile da capire. Una volta che la precisione è misurata, regolare i punteggi per favorire modelli più brevi, più semplici.

10 Aggiungere casualità. Regolare ogni risultato in modo casuale per consentire soluzioni più deboli di avanzare.

11 Organizzare un torneo. Inizia con diversi gruppi di modelli e solo rango all'interno di ciascun gruppo. Questo permette diverse soluzioni di perfezionare in parallelo.

12 Essere creativo. La ricerca della letteratura, trovare metriche che lavorano per gli altri poi affinare questi per soddisfare le vostre esigenze.

Consigli e avvertenze

• Un grande banco di prova per gli algoritmi genetici sono le lotterie di stato. Creare un insieme di operazioni che mischiare le palline della lotteria poi abbinare i risultati ai risultati dello scorso anno. Ci sono poche possibilità che il modello risultante funzionerà, ma rende un grande esercizio di programmazione.