pythonと遺伝的アルゴリズムで作るFX自動売買システム その1 - Qiita
作ったモノ 次の機能を実装してみました 1. 最新の為替レートを取得し続けるプログラム 2. AIを稼働させ自動売買するプログラム 3. 最新のデータを元に新しいAIを遺伝的アルゴリズムで生成するプログラム 4. AIのパフォーマンスを測定して引退と取引通貨単位を管理するプログラム 背景 OANDAが提供している取引用APIが、かなり良い感じだったので実現できました。 特に1通貨単位(1ドル単位)で売買できるため、AI100個動かし取引を重ねても損失は1日数十円に収まります。試験時に売買システムがバグで暴走しても安心です。このAPIが無ければ個人では実現出来なかったので、良い時代になったなーと思います。 http://developer.oanda.com/rest-live/development-guide/ 遺伝的アルゴリズムの特徴 最適化問題の準最適解を短時間で解ける。 最適化問題
遺伝的アルゴリズム - Pythonと機械学習
目次 目次 はじめに 遺伝的アルゴリズム 用語説明 ステップ1(初期世代の作成) ステップ2 (選択) ステップ3 (交叉) ステップ4 (突然変異) Pythonで実装 実行結果 はじめに 機械学習では重みの最適化に勾配降下法が一般的に採用されているようですが、なぜだろう？と前から疑問に思っていました。 確かに勾配降下法はコスト関数の勾配方向に向かって重みを更新するだけなので、非常に簡単に実装できるのですが、学習率をうまく調整しないと発散したり、逆に学習が中々進まなかったりという問題があります。 極値解にも落ち入り易く、またコスト関数が複雑すぎて勾配が計算できない場合には使えません。 あくまで今の私にとってですが、勾配降下法はあまりいい印象が無いです。 そこで遺伝的アルゴリズムを使って重みを最適化したらどうかな？というのが今回の趣旨です。 遺伝的アルゴリズム 昔仕事で遺伝的アルゴリズム使
遺伝的アルゴリズム
遺伝的アルゴリズム GA 進化的アルゴリズム EA 進化的アルゴリズム 進化的アルゴリズム（evolutionary algorithm，EAと略記される)は進化的計算 の一分野であり，複雑な問題，解の探索空間が広大である問題， NP-hard な問題の最適解の近似解を求めるための アルゴリズムです。 個体群ベースのメタヒューリスティックな最適化アルゴリズムです。 生殖，突然変異，遺伝子組み換え，自然淘汰，適者生存，などという概念が用いられ， これが生物進化に着想を得た操作であることから，進化論的計算などと呼ばれています。 最適化問題の解の候補群が生物の個体群の役割を果たし， コスト関数によってどの解が生き残るかを決定し， 生き残った個体群の中で交配を繰返します。その過程で，突然変異を導入します。 これによってより良い個体が生き残るという進化に似た過程が起こります。 この操作を繰り返すこと
遺伝的アルゴリズム
トップページ→研究分野と周辺→進化型計算→ 遺伝的アルゴリズム（Genetic Algorithms:GA）は、生物界の進化の仕組みを模倣する解探索手法として、1975年にミシガン大学のJohn Hollandが提案した。解の探索を原則「偶然の変化」と「たまたま良く出来たものの採用」で行なうため、当初は「こんな偶然に頼る出鱈目な方法がアルゴリズム（計算手順）と言えるのか？」と厳しい批判にさらされたと言われる。 しかし、Holland一派の考えは間違っていなかった。1990年代に入るとGAは人工知能の主要分野に躍り出て、世界中で研究が行なわれるようになった。背景にはコンピュータの計算速度の飛躍的向上がある。生物の進化と同様、GAの進化には非常に多くの繰返しが必要な事を、批判していた人達は気付かなかったのである。 遺伝的アルゴリズムのソース・コード（プログラム）の一例 単純GAの処理の流れ 最
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
