761
个编辑
更改
跳到导航
跳到搜索
第10行：
第10行： − + 第43行：
第43行： − + − 表达结构方式；从下往上，从左往右 第98行：
第97行： + + + + + + + + + + + + + + +
无编辑摘要
[[文件:Image555.png|替代=图1 函数f(x)=ax+b的树形表达|居中|无框|图1 函数f(x)=ax+b的树形表达]]
[[文件:Image555.png|替代=图1 函数f(x)=ax+b的树形表达|居中|无框|图1 函数f(x)=ax+b的树形表达]]
图1 函数 f(x)=ax+b的树形表达
（2）程序表达能力受限：无法直接表示方程求解、数据回归及包含分支/循环/递归的程序；
（2）程序表达能力受限：无法直接表示方程求解、数据回归及包含分支/循环/递归的程序；
[[文件:Image556.png|居中|无框|图2 函数((2.2-(X/11) ))+((7*cos(Y) )) 的树形表达]]
[[文件:Image556.png|居中|无框|图2 函数((2.2-(X/11) ))+((7*cos(Y) )) 的树形表达]]
图2 函数((2.2-(X/11) ))+((7*cos(Y) )) 的树形表达表达结构方式；从下往上，从左往右
=== 2.2 初始个体生成原理 ===
=== 2.2 初始个体生成原理 ===
[[文件:Image561.png|居中|无框|350x350像素]]
[[文件:Image561.png|居中|无框|350x350像素]]
图8 遗传网络编程结构
图8 遗传网络编程结构
程序的基本结构如图8所示，它由三种节点构成，包括
（1）启动节点
（2）判断节点：if-then分支决策函数，对技术分析中常用的技术指标进行检验，根据{A = high, B = low}等判断结果，为下一个节点选择一个分支。
（3）处理节点：动作函数，决定操作。
因此，节点迁移从起始节点开始，根据节点之间的连接顺序执行判断和处理节点。通过遗传算法对连接进行优化，得到较好的动作规则。
[[文件:Image562.png|居中|无框|393x393像素]]
图9 遗传网络编程算法演示示例
图9展示了遗传网络编程在金融量化领域中的作用，网络中的判断节点就是一些市场指标，比如衡量价格与均线的偏离程度，识别超买/超卖状态，价格变化速度等。在图9中，t时刻，如果指标X1=A，并且X2、X3也等于A，那么就发出买入股票信号，然后在下一时刻，如果指标X4=B，X5=A则发出卖出信号，以此类推。最后，它会将这些规则分别放入到买入和卖出规则池中，作为个体决策的策略。