Chaos teori, at mange virkelige verden processer , der synes tilfældigt kan modelleres matematisk, men at finde den rigtige model kan være yderst vanskeligt . Et værktøj, som matematikere finder ofte løser disse modeller kaldes genetiske algoritmer. I stedet for at bruge analytiske metoder , udvikler computeren sin egen model med en fremgangsmåde svarende til den, der findes i biologi hjælp tilfældighed og mutation . Følg disse trin for at oprette en genetisk algoritme derefter udvikle en række målinger for at forfine modellen. Instruktioner
Sådan oprettes Genetiske algoritmer
1

Saml data. Problemet kan modellere bevægelsen af ​​aktiekurser over lange perioder , temperatur observationer eller kortfattet bevægelse planeter.
2

Opret et computerprogram, der udvikler modellen. Modellen kan være repræsenteret ved en lang streng af bogstaver eller tal , der hver instruere programmet til at udføre en matematisk operation .
3

Opret 50 eller 100 tilfældige strenge , der hver repræsenterer en mulig løsning på problemet.
4

Kør hver model og sammenligne resultaterne med de observerede data. Rank hver model ved hjælp af målinger beskrevet nedenfor.
5.

Vælg de bedste 5 eller 10 modeller. Kopier disse til at skabe yderligere 50 til 100 modeller , tilfældigt tilføjelse, ændring eller sletning af et par operationer i hver.
6

Gentag processen, indtil én model genererer den rigtige løsning .
< br > Sådan Invent Metrics
7

Measure nøjagtighed. Den model, der kommer tættest på at matche den virkelige verden resultater er som regel den bedste kandidat til raffinement. Sum kvadraterne af forskellene ( observeret - model) ^ 2 . Dette vil fjerne de modeller med de største fejl.
8

Count kampe. Sæt en grænse for en match, eventuelt inden 0,01 procent af det korrekte svar , tælle det antal kampe. Det kan være nødvendigt at starte med en temmelig stor tærskel stram den derefter som modeller fremskridt.
9

Factor enkelhed i score. En mindre , enklere løsning er mere elegant og lettere at forstå. Når præcision er målt , justeres scores til at favorisere kortere , enklere modeller.
10

Tilføj tilfældig chance. Juster hvert resultat tilfældigt at give svagere løsninger for at gå videre .
11

Organiser en turnering. Start med flere grupper af modeller , og kun rang inden for hver gruppe. Dette giver flere løsninger at forfine parallelt.
12

Vær kreativ . Forskning litteratur, finde målinger , der arbejder for andre, så forfine disse til at opfylde dine behov .