交易的遗传编程：如何表示染色体答案

【问题标题】：genetic programming for trading: How to represent chromosomes交易的遗传编程：如何表示染色体
【发布时间】：2014-04-08 02:09:32
【问题描述】：

我正在研究一种可用于交易的 Python 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：

这可以解释为一个布尔值，如下所示：

如果：

50 个最后股票价值的平均值小于实际价格
和6个最后库存值的min小于实际价格。然后回答 *True**，否则 False

如果答案为真，则发送买入信号，否则发送卖出信号。

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

问题是我想不出适合 crossover 和 mutation 运算符的好的技术。有什么想法吗？

【问题讨论】：

您目前如何代表这些？
你……遗漏了一些非常关键的代码。

标签： python genetic-algorithm genetic-programming

【解决方案1】：

这不是遗传算法的典型表示方式，我个人认为遗传算法不是解决此问题的正确方法，但尽管如此，这肯定是可能的。

假设您只想与这组特定的变量进行交互，您有一小部分潜在值：

boolean = "and"
comparator = "<"

等等……

这意味着您可以轻松地将它们表示为平面列表：

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

然后交叉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，变异也相对微不足道，只是随机更改一个数字，切换布尔运算符等...不过，我将把那个作为练习留给读者。

【讨论】：

这假定指令是线性流而不是树。
@HughBothwell 它没有。这只是将定义的树结构转换为列表，该列表具有应用到该树的明确顺序以进行交叉。这里的染色体布局独立于树本身，OP 并没有暗示他们想要实际编辑树的结构。如果他们这样做，我会改变这个答案。

【解决方案2】：

您的运算符应该可以安全地互换 - 应该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，但一个好主意（通过神经网络）：使用可微分的算子函数 - 即返回“是或否”，而不是返回“是”。这为您的表达改进提供了更多分级反馈。为每个操作员提供设定点控制值以调整其行为也很有用。

变异算子可以改变算子的类型或设定点；交叉操作通常交换子树。

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

【讨论】：