A teoria do caos afirma que muitos processos do mundo real que parecem aleatórios podem ser modeladas matematicamente , mas encontrar o modelo certo pode ser extremamente difícil . Uma ferramenta que os matemáticos encontrar muitas vezes resolve esses modelos é chamado de algoritmos genéticos. Em vez de utilizar métodos analíticos , o computador desenvolve o seu próprio modelo utilizando um processo semelhante ao encontrado em biologia usando aleatoriedade e mutação . Siga estes passos para criar um algoritmo genético , então, desenvolver uma série de métricas para aperfeiçoar o modelo . Instruções
Como criar algoritmos genéticos
1
Reúna os dados. O problema pode ser modelar o movimento dos preços das ações ao longo de grandes períodos de tempo , as observações de temperatura ou o movimento dos planetas concisa .
2
Criar um programa de computador que desenvolve o modelo . O modelo pode ser representado por uma longa seqüência de letras ou números, cada instruindo o programa para executar uma operação matemática.
3
Criar 50 ou 100 seqüências aleatórias , cada uma representando uma possível solução para o problema.
4
Execute cada modelo e comparar os resultados com os dados observados . Classifique cada modelo usando as métricas descritas abaixo.
5
Escolha os melhores 5 ou 10 modelos. Copie -os para criar mais de 50 a 100 modelos , aleatoriamente adicionar, alterar ou apagar algumas operações em cada um.
6
Repita o processo até que um modelo gera a solução correta.
Como inventar Metrics
7
Medir precisão. O modelo que mais se aproxima de igualar os resultados do mundo real geralmente é o melhor candidato para o refinamento . Some os quadrados das diferenças (observada - modelo ) ^ 2 . Isto irá eliminar esses modelos com os maiores erros.
8
Contagem partidas . Definir um limite para um jogo , possivelmente dentro de 0,01 por cento da resposta correta, em seguida, contar o número de partidas . Pode ser necessário começar com uma bastante grande limiar depois apertá-lo como o progresso modelos.
9
Fator simplicidade na partitura. Uma solução menor, mais simples é mais elegante e fácil de entender. Uma vez que a precisão é medida , ajustar pontuação para favorecer mais curtos modelos, mais simples.
10
Adicione acaso. Ajuste cada resultado aleatoriamente para permitir soluções mais fracas para avançar.
11
Organizar um torneio. Comece com vários grupos de modelos e só classificar dentro de cada grupo . Isso permite que várias soluções para refinar em paralelo.
12
Seja criativo. Investigação da literatura , encontrar métricas que trabalham para os outros, então refinar estas para atender às suas necessidades.