Важные замечания
Нередко бывает полезно целиком перенести в следующее поколение генетический код самого сильного индивидуума. Выполнение этого условия наверняка сохранит хорошие множества решений и благоприятно скажется на ускорении алгоритма. Кроме того, вы можете следовать агрессивной тактике поддержания генетического разнообразия путем увеличения параметров, используемых в качестве вероятностей кроссовера и мутации. Я пришел к выводу, что, приняв за вероятность кроссовера 0,2, а за вероятность мутации – 0,05, можно ускорить получение решения, при условии, что код наиболее приспособленного индивидуума сохраняется при переходе от одного поколения к другому – это удерживает алгоритм от вырождения в случайный поиск.
По мере стремления размера популяции к бесконечности, то есть, когда вы используете все большие величины для размера популяции, повышается точность получаемого решения. То же происходит и тогда, когда к бесконечности устремляется показатель неулучшившихся популяций, то есть если вы используете все больший порог количества неулучшившихся популяций. Вместе с тем, прирост по каждому из этих показателей приводит к увеличению затрат машинного времени.
Данный алгоритм может становиться времяемким. По мере роста числа сценарных множеств и количества входящих в них сценариев время обработки увеличивается в геометрической профессии. В зависимости от ваших временных ограничений вам было бы желательно придерживать количество сценарных наборов и сценариев на управляемом уровне. Весьма благоприятным фактором здесь является скорость компьютера (то есть использование самого быстрого из доступных вам компьютеров).
Как только вы нашли оптимальный портфель, то есть нашли значения для f, разделите эти значения на наибольший проигрыш по соответствующим сценарным спектрам и определите f$ для этого конкретного сценарного спектра. Это именно то, что мы делали в первой главе для того, чтобы определить, сколькими контрактами торговать в оптимальном портфеле.
|
