交易的遗传规划：如何表示染色体

Question

我正在研究python中可用于交易的遗传算法。如果您熟悉进化算法，原理很简单： 基因代表交易策略：更具体地说，每个基因都是这种形式的树：

这可以解释为这样的布尔值：

如果：

• 50 最后库存值的平均值 更少 实际价格

最低 6 最后库存值更少实际价即可。 然后回答* True **，否则 False

如果答案为真，则发送买入信号，否则卖出信号。

这是我如何在python中表示这样的树的示例：

class BinaryRule:
def __init__(self, child1, child2):
    self.child1 = child1
    self.child2 = child2


class LessThan(BinaryRule):
    name = '<'

    def eval(self):
        return self.child1.eval() < self.child2.eval()

# Here there is the definition of the other classes

# and then I create the tree
   tree = rules.LessThan(     
                    rules.Max( rules.Float(1) ),                 
                      rules.SMA( rules.Float(15) ),
                      )
   print tree.eval() # True or false

问题在于我无法为交叉和突变运算符考虑好技术。有什么想法吗？

Answer 1

这通常不是遗传算法的代表方式，我个人并不认为遗传算法是正确的方法，但这当然是可能的。

假设您只想与这组特定变量进行交互，那么您有一小组潜在价值：

boolean = "and"
comparator = "<"

等...

这意味着您可以轻松地将这些表示为平面列表：

chromosome = ["and", "<", ...]

交叉然后只是在某个特定的分裂点混合两条染色体：

def crossover(cr1, cr2):
    split_point = random.randint(1, len(cr1))
    return [cr1[:split_point] + cr2[split_point:]], [cr2[:split_point] + cr1[split_point:]]

然后

变异也是相对微不足道的，只是随机改变一个数字，切换布尔运算符等等......我会把那个作为练习留给读者。

Answer 2

您的运算符应该可以安全地互换 - 如果所有运算符都接受相同的输入类型并返回相同的输出类型（很可能是浮点数）。

没有必要但是一个好主意（通过神经网络）：使用可区分的运算符函数 - 即不是返回YES或NO，而是返回＆＃34; yes-of-ness＆＃34;。这为您的表达提供了更多渐进的反馈。为每个操作员提供一个设定值控制值以调整其行为也是有用的。

变异算子可以改变运算符的类型或设定值;交叉操作通常会交换子树。

一个相当标准的二叉树表示形式是一个列表，如[head，left，right，left-left，left-right，right-left，right-right，left-left-left，...] 。好的是，给定任何节点的索引，您可以立即计算父，子和右子索引;缺点是，如果你有一个稀疏的树结构，它会浪费很多空间。另外，正确复制子树应该通过递归函数完成，而不是像上面显示的@Slater那样简单的切片和拼接。