RU2541105C2 - Сетевая вычислительная система (варианты) и способ для вычислительной задачи - Google Patents
Сетевая вычислительная система (варианты) и способ для вычислительной задачи Download PDFInfo
- Publication number
- RU2541105C2 RU2541105C2 RU2011148006/08A RU2011148006A RU2541105C2 RU 2541105 C2 RU2541105 C2 RU 2541105C2 RU 2011148006/08 A RU2011148006/08 A RU 2011148006/08A RU 2011148006 A RU2011148006 A RU 2011148006A RU 2541105 C2 RU2541105 C2 RU 2541105C2
- Authority
- RU
- Russia
- Prior art keywords
- genes
- gene
- fitness
- server
- pool
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Debugging And Monitoring (AREA)
Abstract
Изобретение относится к сетевым вычислительным системам. Техническим результатом является повышение эффективности обработки данных за счет использования обучающих данных. Система, содержит: первый клиентский компьютер, который содержит: запоминающее устройство, обеспечивающее хранение N генов, каждый из которых характеризуется множеством условий и по меньшей мере одним действием, причем N - целое число, превышающее 1; коммуникационный порт, через который первый клиентский компьютер периодически принимает данные, связанные с "N генами; и процессор, обеспечивающий оценку характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, причем характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность гена. 4 н. и 25 з.п. ф-лы, 5 ил.
Description
ПЕРЕКРЕСТНЫЕ ССЫЛКИ НА РОДСТВЕННЫЕ ЗАЯВКИ
[0001] В настоящей заявке испрашивается конвенционный приоритет в соответствии с положением 119(е) 35 USC по временной заявке US 61/173580 "Распределенный эволюционный алгоритм для торговли акциями", поданной 28 апреля 2009 г., полное содержание которой вводится ссылкой в настоящую заявку.
ПРЕДПОСЫЛКИ СОЗДАНИЯ ИЗОБРЕТЕНИЯ
[0002] Сложные вычисления, обеспечивающие определение финансовых трендов и выполнение системного анализа, традиционно осуществляются на суперкомпьютерах, больших центральных компьютерах или мощных рабочих станциях и ПК, которые обычно защищены корпоративным сетевым экраном (брандмауэр) и которые принадлежат и эксплуатируются отделами информационных технологий компаний. Затраты на соответствующие программные и аппаратные средства достаточно велики. Также высока стоимость технического обслуживания (ремонт аппаратуры, внесение исправлений и улучшений в программы) и эксплуатации (электропитание, защита данных) этой инфраструктуры.
[0003] Биржевые курсы, как правило, изменяются непредсказуемым образом, однако время от времени их поведение можно предугадать. Для категоризации акций используются так называемые генетические алгоритмы. В соответствии с одной из теорий в любой заданный момент времени курсы 5% акций изменяются в соответствии с трендом. Поэтому генетические алгоритмы иногда используются (с некоторым успехом) для определения категорий акций, поведение которых следует тренду или поведение которых не соответствует тренду.
[0004] Эволюционные алгоритмы, представляющие собой расширенные множества генетических алгоритмов, хорошо проявляют себя при выполнении поиска, имеющего случайный характер. Как показал Koza, J.R. в работе "Генетическое программирование: о программировании компьютеров с использованием алгоритма естественного отбора", 1992, MIT Press, эволюционный алгоритм может использоваться для получения описательных представлений готовых программ. Основными элементами эволюционного алгоритма являются среда, модель гена, функция приспособленности и функция воспроизводства (репродукции). Среда может быть моделью постановки какой-либо задачи. Ген можно определить как набор правил, которые управляют его поведением внутри среды. Правило представляет собой перечень условий, после выполнения которых следует действие, осуществляемое в среде. Функция приспособленности может определяться степенью успешности согласования развивающегося набора правил со средой. Поэтому функция приспособленности используется для оценки приспособленности к среде каждого гена. Получение новых генов обеспечивается функцией репродукции путем смешивания правил наиболее приспособленных родительских генов. При каждой генерации создается новая популяция генов.
[0005] В начале эволюционного процесса гены, составляющие начальную популяцию, создаются совершенно случайным образом, путем складывания элементарных блоков или алфавитов, которые формируют ген. В технике генетического программирования алфавиты представляют собой набор условий и действий, составляющих правила, которым подчиняется поведение гена в среде. После получения популяция осуществляется ее оценка с помощью функции приспособленности. Затем гены с наибольшей приспособленностью используются для создания следующей генерации в процессе, который называется репродукцией. Посредством репродукции правила родительских генов смешиваются и иногда мутируют (то есть в некотором правиле выполняется случайное изменение) для создания нового набора правил. Затем этот новый набор правил присваивается созданному гену, который будет участником новой генерации. В некоторых воплощениях наиболее приспособленные участники предыдущей генерации, называемые элитными участниками, также копируются в следующую генерацию.
КРАТКОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
[0006] В настоящем изобретении предлагается сетевая вычислительная система, которая в одном из вариантов содержит один или несколько служебных компьютеров (серверов) и множество клиентских компьютеров, которые обмениваются информацией с сервером. Каждый клиентский компьютер содержит по меньшей мере запоминающее устройство, коммуникационный порт и процессор. Запоминающее устройство в каждом клиентском компьютере обеспечивает хранение множества генов, каждый из которых характеризуется набором условий и по меньшей мере одним действием. Коммуникационный порт в каждом клиентском компьютере осуществляет периодический прием данных, связанных с генами, записанными в запоминающем устройстве. Процессор в каждом клиентском компьютере оценивает характеристику эффективности каждого из записанных в компьютере генов путем сравнения решения, обеспечиваемого этим геном, с периодически получаемыми данными, связанными с этим геном. Соответственно, характеристика эффективности каждого гена обновляется и изменяется каждый раз при получении этих данных.
Характеристика эффективности гена определяет его приспособленность. В одном из вариантов осуществления изобретения данные, связанные с каждым геном, представляют собой коммерческую информацию за некоторый период времени (архивные данные), и решение, обеспечиваемое каждым геном, представляет собой сделку, рекомендуемую геном.
[0007] В одном из вариантов осуществления изобретения гены, для которых определяется, что их приспособленность в соответствии с оценкой, осуществляемой на первом временном интервале, падает ниже первого заданного порогового значения, удаляются. Клиентские компьютеры осуществляют оценку остающихся (выживших) генов каждый раз при периодическом получении данных.
[0008] В одном из вариантов клиентские компьютеры в соответствии с командами, поступающими из сервера, осуществляют оценку генов, оставшихся после первого временного интервала оценки, на одном или нескольких дополнительных временных интервалах. Для каждого дополнительного интервала оценки гены, приспособленность которых падает ниже порогового значения, удаляются. Гены, выжившие после одного или нескольких временных интервалов оценки, в соответствии с запросами сервера, записываются в пуле элитных генов для их селекции (отбора) сервером. Пороговые значения, используемые для оценки приспособленности генов, которые соответствуют различным временным интервалам, могут быть одинаковыми или разными.
[0009] В одном из вариантов сервер отбирает гены из пула элитных генов клиентских компьютеров и записывает их в своем запоминающем устройстве. Сервер может передавать гены, записанные в его запоминающем устройстве, обратно в один или несколько выбранных клиентских компьютеров для следующих оценок на дополнительных временных интервалах. Выбранные клиентские компьютеры осуществляют следующие оценки генов на дополнительных временных интервалах и пытаются передать выжившие гены обратно в сервер. Также клиентские компьютеры передают в сервер отчетную информацию об удаленных генах. В одном из вариантов сервер принимает только те гены, приспособленность которых, вычисленная клиентскими компьютерами, превышает или равна приспособленности генов, записанной ранее в сервере.
[0010] В одном из вариантов гены, первоначально оцениваемые клиентскими компьютерами, генерируются в соответствии с программами, записанными в клиентских компьютерах и выполняемыми этими компьютерами. В одном из вариантов сервер хранит в любой момент времени в своем запоминающем устройстве фиксированное количество генов. Сервер после получения нового гена из клиентского компьютера объединяет величину приспособленности полученного гена с соответствующей величиной приспособленности, которая ранее была записана в сервере для этого гена.
[0011] В изобретении также предлагается способ решения вычислительной задачи, который в соответствии с одним из вариантов включает: запись для хранения N генов, каждый из которых характеризуется набором условий и по меньшей мере одним действием; периодическое получение данных, связанных с N генами; и выполнение оценки характеристики эффективности каждого гена путем сравнения решения, обеспечиваемого этим геном, с периодически получаемыми данными, связанными с этим геном. Соответственно, характеристика эффективности каждого гена обновляется и изменяется каждый раз при получении данных. Характеристика эффективности гена определяет его приспособленность. В одном из вариантов осуществления изобретения данные, связанные с каждым геном, представляют собой архивную коммерческую информацию, и решение, обеспечиваемое каждым геном, представляет собой сделку, рекомендуемую этим геном.
[0012] В одном из вариантов осуществления изобретения гены, для которых определяется, что их приспособленность в соответствии с оценкой, осуществляемой на первом временном интервале, падает ниже первого заданного порогового значения, удаляются. Остающиеся гены, которые выживают после оценки, продолжают участвовать в оценках каждый раз, когда поступают новые данные.
[0013] В одном из вариантов клиентские компьютеры в соответствии с командами осуществляют оценку генов, оставшихся после первого временного интервала оценки, на одном или нескольких дополнительных временных интервалах. Для каждого дополнительного интервала оценки гены, приспособленность которых падает ниже порогового значения, удаляются. Гены, которые выживают после оценки на одном или нескольких временных интервалах, записываются в пуле элитных генов для возможной селекции (отбора). Отобранные гены сохраняются в другом запоминающем устройстве. Пороговые значения, используемые для оценки приспособленности генов, которые соответствуют различным временным интервалам, могут быть одинаковыми или разными.
[0014] В одном из интервалов отобранные гены могут быть возвращены для дополнительных оценок на дополнительных временных интервалах. Отобранные гены дополнительно оцениваются на дополнительных временных интервалах. Гены, которые выживают после этих дополнительных оценок, проходят селекцию. Гены, которые не выживают после дополнительных оценок, удаляются, и об этом передаются соответствующие отчетные сообщения. В одном из вариантов отбираются только те гены, приспособленность которых равна или превышает приспособленность ранее записанных генов.
[0015] В одном из вариантов гены генерируются в соответствии с программой, записанной и исполняемой клиентским компьютером. В одном из вариантов в любой момент времени в компьютере, который осуществляет координацию работы клиентских компьютеров и передачу им команд, сохраняется фиксированное количество отобранных генов. В одном из вариантов величина приспособленности вновь отобранного гена объединяется с соответствующей величиной приспособленности этого гена, если он был ранее отобран и записан для хранения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[0016] Фигура 1 - блок-схема высокого уровня сетевой вычислительной системы, обеспечивающей выполнение эволюционного алгоритма в соответствии с одним из вариантов осуществления настоящего изобретения.
[0017] Фигура 2 - схема, на которой показаны функциональные логические блоки клиентского компьютера и сервера вычислительной системы фигуры 1 в соответствии с одним из вариантов осуществления настоящего изобретения.
[0018] Фигура 3А - блок-схема алгоритма оценки характеристик эффективности генов одним или несколькими клиентскими компьютерами в соответствии с одним из вариантов осуществления настоящего изобретения.
[0019] Фигура 3В - блок-схема алгоритма оценки характеристик эффективности генов одним или несколькими серверами в соответствии с одним из вариантов осуществления настоящего изобретения.
[0020] Фигура 4 - блок-схема, на которой показаны компоненты клиентского компьютера и сервера вычислительной системы фигуры 1 в соответствии с одним из вариантов осуществления настоящего изобретения.
ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
[0021] В соответствии с одним из вариантов осуществления настоящего изобретения сервер и множество клиентских компьютеров формируют сетевую вычислительную систему, которая может расширяться и предназначена для непрерывной оценки характеристик эффективности группы генов, сгенерированных с помощью программного приложения, исполняемого на клиентских компьютерах. В одном из вариантов гены представляют собой виртуальных трейдеров, которые формируют рекомендации по вариантам сделок с активами.
[0022] В нижеприведенном описании понимается, что: (i) указание "система" относится к комплексу аппаратных средств, к комплексу программных средств или к комплексу, содержащему аппаратные и программные средства; (ii) указание "сетевая вычислительная система" относится к множеству мобильных или стационарных вычислительных систем, которые обмениваются информацией друг с другом, используя линии проводной или беспроводной связи, причем сетевая вычислительная система содержит множество компьютеров, по меньшей мере один из которых является центральным или распределенным сервером, а остальные компьютеры являются клиентскими компьютерами, и каждый сервер или клиентский компьютер содержит по меньшей мере один центральный процессор (ЦП) и по меньшей мере одно запоминающее устройство.
[0023] На фигуре 1 представлена блок-схема высокого уровня сетевой вычислительной системы 100 в соответствии с одним из вариантов осуществления настоящего изобретения. Сетевая вычислительная система 100, схема которой представлена на фигуре 1, содержит N клиентских компьютеров 20 и один сервер 10. Следует понимать, что сервер 10 может быть центральным или распределенным устройством. Клиентский компьютер может быть ноутбуком, настольным компьютером, карманным сотовым устройством связи/вычислений, планшетным компьютером и т.п.
[0024] Соединение клиентских компьютеров 20 (указываемых в описании так же, как и "клиенты") с сервером 10 осуществляется с использованием широкополосной связи. Такие соединения могут выполняться с использованием кабеля, DSL, беспроводных линий WiFi, 3G, 4G, или любого другого вида проводной или беспроводной связи, который существует или может быть разработан в будущем и предназначен для подсоединения ЦП к Интернету. Может использоваться любой ЦП, если на нем может выполняться программное обеспечение клиента (программа-клиент) в соответствии с настоящим изобретением, как это будет описано ниже.
[0025] В одном из вариантов сетевая вычислительная система 100 обеспечивает выполнение алгоритмов финансового анализа и определяет торговые политики. Для этого вычислительная задача, связанная с такими алгоритмами, разделяется на множество подзадач, каждая из которых назначается и передается разным клиентам. Затем результаты вычислений, полученные клиентами, собираются и объединяются сервером 10 для получения решения поставленной задачи. Подзадача, получаемая каждым клиентом, может включать соответствующий алгоритм или программу вычислений, а также данные, которые должны обрабатываться алгоритмом, и одну или несколько задач, которые должны быть решены с использованием этого алгоритма и данных. Соответственно в некоторых вариантах сервер 10 принимает и объединяет частичные решения, поступающие из ЦП, находящихся в клиентах, для получения решения поставленной вычислительной задачи. Если вычислительная задача, выполняемая сетевой вычислительной системой 10, содержит финансовые алгоритмы, то конечный результат, получаемый в результате объединения частичных решений, полученных от клиентов, может содержать рекомендацию по сделкам с одним или несколькими активами. В других вариантах задачи, выполняемые клиентами, не зависят друг от друга. Соответственно, результаты, получаемые клиентами в таких вариантах, не объединяются друг с другом, хотя сервер помещает результаты, получаемые от клиентов, в общий массив для получения решения. Хотя нижеприведенное описание дается в отношении выработки рекомендаций в части сделок с финансовыми активами (например, с акциями, валютой и т.п.) с помощью генетических алгоритмов, следует понимать, что варианты осуществления изобретения в одинаковой степени применимы к нахождению решений любой вычислительной задачи, как это будет указано ниже.
[0030] Изменение масштаба эволюционного алгоритма может быть выполнено в двух измерениях, а именно по размеру пула и/или по оценке. В эволюционном алгоритме, чем больше пул или популяция генов, тем выше их вариабельность. Соответственно, вероятность нахождения более приспособленных генов повышается с увеличением размеров генного пула. Для этого пул может быть распределен между многими клиентами. Каждый клиент оценивает свой генный пул и передает в сервер наиболее приспособленные гены, как это будет описано ниже.
[0027] В соответствии с настоящим изобретением каждый клиент, который подсоединен к сети, получает или скачивает клиентское программное обеспечение. Это программное обеспечение автоматически генерирует множество генов, количество которых может варьироваться в зависимости от размеров запоминающего устройства и вычислительной мощности ЦП клиента. Например, в одном из вариантов клиент может использовать для оценки 1000 генов.
[0028] Предполагается, что ген является виртуальным трейдером, которому выделяется некоторая сумма денег для осуществления сделок, используя коммерческую информацию за некоторый период времени. Такие сделки осуществляются в соответствии с набором правил, которые определяют ген и указывают, когда нужно покупать, продавать, удерживать позицию или выходить из позиции. Правило представляет собой перечень условий, после соблюдения которых выполняется некоторое действие, которое может быть, например, покупкой, продажей, удерживанием позиции или выходом из нее. Правила могут быть также разработаны таким образом, чтобы они содержали в качестве целей ограничители убытков и прибыли (приказы "gain-goal" и "stop-loss"), что делает действие по выходу из позиции избыточным. Удерживание происходит, когда не запущено ни одно правило в гене, и поэтому ген эффективно удерживает текущую позицию. Условие - это перечень совместно действующих условий, основанных на индикаторах. Индикаторы - это система входных данных, которые могут использоваться в условии, таких как стоимость единичного приращения цены ("тик") или цена при закрытии. Индикаторы также могут быть интроспективными для указания приспособленности гена в любой заданный момент времени.
[0029] Нижеприведенный код программы определяет ген через условия и индикаторы, а также определяет действие, осуществляемое геном, в соответствии с одним из вариантов осуществления настоящего изобретения:
if(PositionProfit>=2% and!(tick=(-54/10000)% prev tick and MACD is negative)
and!(tick=(-119/10000)% prev tick and Position is long))
and!(ADXx 100<=5052))
then SELL,
где "and" представляет логическую операцию "И","!" представляет логическую операцию "НЕ", "tick", "MACD" и "ADX" - биржевые индикаторы рынка акций, "SELL" указывает действие "продавать", и "PositionProfit" представляет положение прибыли для гена.
[0030] Гены оцениваются периодом оборачиваемости акций. Период оборачиваемости - это архивные данные в днях для определенных акций. В заданный день с определенным интервалом, например каждые 5 минут, правила гена оцениваются путем назначения текущих величин индикаторов условиям каждого правила. Если ни одно из условий гена не является верным для величин индикаторов, то ген удерживает предыдущую позицию. Если у гена нет открытых позиций, то он не выполняет никаких действий. Ген может быть разработан таким образом, чтобы он осуществлял действие по его первому правилу, для которого выполняются условия. Например, если действием по некоторому правилу является продажа, то сделкой, предлагаемой геном, будет продажа. В другом примере правило, которое запускает действие выхода из позиции, может быть превалирующим над всеми другими предложениями, и в этом случае принудительно осуществляется выход из текущей позиции гена.
[0031] В соответствии с одним из вариантов осуществления настоящего изобретения приспособленность или успешность гена определяется в результате аппроксимации и использования больших количеств данных. Поэтому модель, используемая для оценки генов, может быть частичной и покрывать укороченные интервалы времени, хотя точность улучшается при оценке генов на больших временных интервалах и накоплении достаточного опыта. Для установления исходной аппроксимации для приспособленности генов, как это описывается ниже, приспособленность генов сначала оценивается на подмножестве имеющихся данных. Период времени, на котором оценивается приспособленность гена, указывается в настоящем описании как возраст зрелости для гена, также указываемый как возраст гена. Гены, достигающие заданного возраста, получают возможность репродукции и участвуют в следующей генерации генов. Каждый такой ген может продолжать свое существование и остается в генном пуле, пока его накопленная приспособленность отвечает заданным условиям.
[0032] Объем архивных данных, используемых для оценки приспособленности генов, значителен. Поэтому даже при использовании современных компьютеров, имеющих высокую вычислительную мощность и запоминающие устройства огромной емкости, часто на одном компьютере невозможно получить качественные результаты в течение разумного времени. Большой объем генного пула также требует использования запоминающего устройства большой емкости и высокой вычислительной мощности. В соответствии с одним из вариантов осуществления настоящего изобретения для получения высокого качества результатов оценки в пределах разумного времени используется масштабирование. Операция масштабирования выполняется по двум параметрам, а именно по размеру генного пула, а также по оценке того же самого гена, для формирования более вариабельного генного пула с целью повышения вероятности нахождения более приспособленных генов. Поэтому в соответствии с одним из вариантов осуществления настоящего изобретения генный пул распределяется для оценки между множеством клиентов. Каждый клиент оценивает свой генный пул, используя архивные данные, которые он получает периодически на протяжении достаточно длительного времени. Иными словами, оценка эффективности гена (также указываемая в настоящем описании как приспособленность гена) продолжается по дополнительным архивным данным, которые клиенты получают периодически на протяжении достаточно длительного времени. Гены, удовлетворяющие одному или нескольким заданным условиям, передаются в сервер.
[0033] В соответствии с другим вариантом осуществления настоящего изобретения распределение генов также используется для повышения скорости оценки для одного и того же гена. В этом случае гены, которые получены сервером, но еще не достигли определенного возраста или же еще не отвечают одному или нескольким заданным условиям, могут быть переданы сервером обратно множеству клиентов для дополнительной оценки. Результаты оценки, полученные клиентами для гена (также указываются в настоящем описании как частичные оценки), передаются обратно в сервер. Сервер объединяет результаты частичной оценки гена с величиной приспособленности гена на момент времени передачи гена клиентам, для получения оценки приспособленности для этого гена. Например, пусть ген имеет оценку на временном интервале, охватывающем 500 дней, и он передается сервером, например, двум клиентам, каждый из которых получает команду выполнить оценку гена для 100 дополнительных дней. Соответственно, каждый клиент осуществляет такую дополнительную оценку для 100 дополнительных дней и передает результаты оценки в сервер. Эти два результата объединяются с величиной приспособленности гена, полученной на момент времени передачи гена этим двум клиентам. Объединенные результаты представляют приспособленность гена, оценка которой выполнена на временном интервале, охватывающем 700 дней. Иными словами, распределенная система в соответствии с рассматриваемым примером увеличивает возраст гена с 500 дней до 700 дней, используя только 100 разных дней оценки для каждого клиента. Таким образом, распределенная система по настоящему изобретению имеет высокую степень масштабируемости при осуществлении оценок своих генов.
[0034] Достоинством настоящего изобретения является то, что клиенты имеют возможность использовать гены, хранящиеся на сервере, в своих локальных репродукциях, в результате чего повышается качество их генов. Каждый клиент представляет собой устройство, самостоятельно осуществляющее эволюционный процесс, которое не только выполняет оценку генов в своем пуле, но также создает новую генерацию генов, обеспечивающую развитие эволюционного процесса на локальном уровне. Поскольку клиенты непрерывно осуществляют свои локальные эволюционные процессы, их вычислительные мощности не простаивают, даже если клиенты не имеют постоянной связи с сервером. После восстановления связи с сервером клиенты могут передавать свои наиболее приспособленные гены и получать гены из сервера для дополнительной оценки.
[0035] Каждый клиентский компьютер имеет коммуникационный порт для доступа к одному или к нескольким серверам данных (указывается ссылочным номером 30 на фигуре 1), для получения информации, необходимой для решения поставленной задачи. В случае формирования рекомендаций по торговым политикам в отношении активов, таких как акции, сырьевые товары, валюта и др., информация, обеспечиваемая такими серверами 30 данных, включает стоимости активов, за определенный период времени. В другом варианте (не показан) информация, необходимая для решения поставленной задачи, может передаваться из сервера 30 данных в клиенты 20 через сервер 10. Хотя сервер 10 показан на фигуре 1 как один центральный сервер, следует понимать, что сервер 10 может быть распределенным устройством.
[0036] На фигуре 2 показаны логические блоки одного из клиентов 20 и сервера 10. Как можно видеть, каждый клиент 20 содержит пул 24 генов, которые генерируются автономным программным приложением, работающим на клиенте. Здесь и далее предполагается, что каждый ген представляет собой трейдера финансовых активов (например, акций), хотя следует понимать, что в общем случае ген может использоваться для нахождения решения любой другой вычислительной задачи. Характеристики эффективности каждого гена клиента оцениваются на первом заданном временном интервале, охватывающем Р операционных дней, например 600 дней, с использованием блока 22 оценки. Оценка каждого гена осуществляется путем сравнения рекомендаций этого гена по сделкам и определения его соответствующей доходности на заданном временном интервале. Характеристика эффективности гена указывается в настоящем описании также как приспособленность гена. Клиент 20 получает архивные коммерческие данные для определения приспособленности своих генов.
[0037] После выполнения оценок по всем своим генам каждый клиентский компьютер отбирает гены с наиболее высокой эффективностью (выжившие гены) и помещает их в пул 26 элитных генов. В одном из вариантов выжившими генами могут быть, например, 5% участников генного пула, имеющие наибольшие величины доходности их рекомендаций. В других вариантах выжившими генами являются гены, приспособленность которых превышает заданное пороговое значение. Остающиеся гены, не отвечающие требуемым условиям по приспособленности, удаляются (не выживают). Каждый клиент продолжает оценку своих элитных (выживших) генов, используя архивные коммерческие данные, которые клиент продолжает периодически получать.
[0038] В некоторых вариантах после начальной оценки генов на первом временном интервале, охватывающем Р операционных дней, выжившие гены оцениваются дополнительно на множестве S дополнительных временных интервалов, каждый из которых охватывает Q других операционных дней. Например, после начальной оценки генов на первых 600 операционных днях каждый выживший ген оценивается дополнительно на двух дополнительных временных интервалах, каждый из которых охватывает дополнительные 600 операционных дней. Поэтому в таких примерах каждый ген оценивается на интервале, охватывающем 1800 операционных дней. Такое множество временных интервалов может быть неперекрывающимися последовательными интервалами. Кроме того, количество Q операционных дней каждого дополнительного временного интервала может отличаться от количества Р операционных дней начального интервала оценки. В результате оценки на каждом таком дополнительном временном интервале могут удаляться гены, которые выжили после предыдущих оценок. Например, ген, выживший после начального временного интервала оценки, охватывающего, например, 600 дней, может не выжить после оценки, осуществляемой на втором временном интервале, охватывающем, например, также 600 дней, если его приспособленность на интервале 1200 операционных дней будет ниже заданного порогового значения. Гены, сохраняемые в пуле 26 элитных генов, которые не выжили после таких дополнительных временных интервалов оценки, удаляются. Пороговое значение приспособленности, которое должны превышать гены для прохождения начального временного интервала оценки, может быть равно пороговым значениям приспособленности для последующих временных интервалов оценки или же отличается от них.
[0039] Гены, которые выжили после начального и последующих временных интервалов оценки, остаются в пуле 26 элитных генов и обрабатываются блоком 28 селекции генов для возможного отбора и передачи в сервер 10, как показано на фигуре 2. Гены, полученные сервером 10 из клиентских компьютеров, записываются в генном пуле 14 сервера 10. Блок 28 селекции генов осуществляет сравнение приспособленности генов своего пула 26 элитных генов с генами, записанными в пуле 14, которые имеют наихудшие характеристики эффективности. В одном из вариантов сервер 10 принимает только те гены, у которых приспособленность, определенная клиентским компьютером, по меньшей мере равна или превышает приспособленность генов, сохраняемых в генном пуле 14. Поэтому сервер 10 сообщает клиентскому компьютеру информацию о приспособленности наихудших генов, по которой блок 28 селекции генов осуществляет сравнение и определяет гены, которые будут приняты сервером 10. Например, сервер 10 может передавать в блок 28 селекции генов запрос, содержащий вопрос: "Приспособленность моего наихудшего гена равна X, имеются ли гены с лучшими характеристиками?". Блок 28 селекции генов может ответить сообщением "Имеется 10 генов с лучшими характеристиками" и попытается передать эти гены в сервер. В одном из вариантов генный пул 14 имеет фиксированный размер. Поэтому для принятия нового гена сервер 10 удаляет один из генов, записанных в его пуле 14. В одном из вариантов пул 14 исходной популяции формируется из всех генов, имеющих наибольшую приспособленность, записанных первоначально в пулах элитных генов клиентов. Этот процесс продолжается, пока пул 14 не будет заполнен целиком, причем размер пула 14 может изменяться динамически. В другом варианте для формирования начальной популяции генов заполнение пула 14 генами из пулов элитных генов продолжается до тех пор, пока не будет использован весь объем пула 14.
[0040] Блок 12 принятия генов устроен таким образом, что он добавляет в пул 14 гены, полученные от клиента, только в том случае, если они имеют более высокую приспособленность, чем гены, записанные в пуле 14. Блок 12 принятия генов присваивает каждому принятому гену идентификатор ID и выполняет ряд операций по реорганизации пула 14 сервера перед добавлением в него принятого гена.
[0041] Для генов в пуле 26 элитных генов разрешается репродукция. Для этого блок 30 репродукции генов случайным образом выбирает и комбинирует два или более генов, а именно смешивает правила, использованные для создания родительских генов. После этого пул 24 последовательно заполняется популяцией из вновь созданных генов (дочерние гены), а также из генов, которые были в пуле элитных генов. Прежний пул генов удаляется. Новая популяция генов в пуле 24 оценивается, как это уже было указано.
[0042] В некоторых вариантах сервер 10 передает гены, хранящиеся в пуле 14, возраст которых (то есть сумма операционных дней, по которым оценивалась приспособленность гена) меньше заданной величины, обратно в группу выбранных клиентских компьютеров для дополнительной оценки приспособленности на дополнительных временных интервалах, охватывающих W операционных дней. Гены, приспособленность которых, вычисленная на дополнительном интервале W операционных дней, не удовлетворяет одному или нескольким заданным условиям, например их приспособленность ниже заданного порогового значения, удаляются клиентскими компьютерами. Гены, приспособленность которых, вычисленная на дополнительном интервале W операционных дней, удовлетворяет одному или нескольким заданным условиям, передаются обратно в сервер 10 для записи в пуле 14. Клиентские компьютеры передают в сервер отчетную информацию об удаленных генах.
[0043] В некоторых вариантах для увеличения возраста генов, записанных в пуле 14, сервер 10 передает этот ген группе клиентских компьютеров с указанием выполнения дополнительных оценок гена на разных временных интервалах. Например, пусть для дополнительной оценки приспособленности гена, записанного в пуле 14, выбраны четыре клиентских компьютера. Соответственно, первому выбранному клиентскому компьютеру дается указание осуществить оценку гена на первом временном интервале, второму выбранному клиентскому компьютеру дается указание осуществить оценку гена на втором временном интервале, третьему выбранному клиентскому компьютеру дается указание осуществить оценку гена на третьем временном интервале, и четвертому выбранному клиентскому компьютеру дается указание осуществить оценку гена на четвертом временном интервале. Предполагается, что первый, второй, третий и четвертый временные интервалы - это разные интервалы, которые могут перекрываться друг с другом или же не перекрываются. Затем сервер получает величины приспособленности гена от выбранных клиентских компьютеров и объединяет полученные результаты с уже имеющейся величиной приспособленности гена, имевшейся в сервере до передачи гена в клиентские компьютеры, для получения обновленной величины приспособленности гена. Таким образом, в соответствии с настоящим изобретением скорость развития (взросления) генов повышается за счет распределения задачи оценки в группе клиентских компьютеров, работающих параллельно. В одном из вариантов для вычисления новой величины приспособленности гена, который передается клиентам сервером для дополнительной оценки, используется среднее между предыдущей и новой величинами приспособленности. Поскольку гены передаются сервером для оценки нескольким клиентам, то если один или более клиентов выйдут из строя, результаты оценки будут потеряны лишь частично.
[0044] Для генного пула сервера может быть предусмотрен процесс архивирования/восстановления для обеспечения целостности данных в случае неисправности сервера. Более того, поскольку клиенты устроены таким образом, что они хранят копии генов сервера, по которым они получили команды на выполнение оценок, и поскольку клиенты "самодостаточны" в осуществлении эволюционного процесса, то они могут продолжать выполнение оценок своих генов и развивать дальше эволюционный процесс, даже если сервер выходит из строя или с ним нет связи по какой-либо иной причине. Когда сервер подсоединяется снова к сети, то генный пул сервера может быть воссоздан по генам, имеющимся в клиентах. Таким образом, сетевая вычислительная система в соответствии с вариантами осуществления настоящего изобретения не теряет информацию предшествующей обработки генов.
[0045] Сервер 50 данных обеспечивает архивную финансовую информацию для широкого круга торгуемых активов, таких как акции, облигации, сырьевые товары, валюта и их производные, такие как опционы, фьючерсы и т.п. Сервер 50 данных может взаимодействовать непосредственно с сервером 20 или с клиентами. Серверы данных могут также обеспечивать доступ к различным инструментам технического анализа, таким как финансовые показатели MACD, полосы Боллинджера, ADX, RSI и им подобные.
[0046] На фигуре 3А приведена блок-схема 300 алгоритма оценки характеристик эффективности генов одним или несколькими клиентскими компьютерами в соответствии с одним из вариантов осуществления настоящего изобретения. После генерации генов (блок 302) и получения данных, связанных с генами (блок 304), гены оцениваются (блок 306) с использованием полученных данных для определения их характеристик эффективности или приспособленности. После выполнения оценок (блок 306) осуществляется сравнение вычисленной приспособленности каждого гена с пороговым значением (блок 308), и гены, приспособленность которых меньше порогового значения, удаляются (блок 310). Гены, приспособленность которых равна или больше порогового значения, сохраняются и передаются для отбора и принятия сервером (блок 314).
[0047] На фигуре 3В приведена блок-схема 350 алгоритма оценки характеристик эффективности генов одним или несколькими серверами, в соответствии с одним из вариантов осуществления настоящего изобретения. Перед принятием нового гена сервер определяет, был ли этот новый ген уже принят им ранее и сохранен (блок 362). Если сервер определяет, что новый ген уже был ранее им принят и сохранен, он объединяет величину приспособленности этого нового гена с предыдущей величиной приспособленности (блок 364) и принимает этот ген (блок 356). Если сервер определяет, что новый ген не был им принят и сохранен ранее, то он сравнивает величину приспособленности каждого такого гена с величинами приспособленности генов, ранее записанных и сохраняемых сервером (блок 352). Если оказывается, что величина приспособленности проверяемого гена больше или равна величинам приспособленности генов, записанных ранее и сохраняемых сервером, то он принимает этот ген (блок 356). Если оказывается, что величина приспособленности проверяемого гена меньше величин приспособленности генов, записанных ранее и сохраняемых сервером, то сервер не принимает этот ген (блок 354). Для каждого гена, принятого сервером, проверяется, соответствует ли временной интервал оценки этого гена заданному условию продолжительности (блок 358). Если вновь принятый ген не соответствует заданному условию продолжительности, то ген передается обратно в один или несколько клиентских компьютеров для дополнительной оценки на дополнительных временных интервалах (блок 360). Если вновь принятый ген соответствует заданному условию продолжительности, то сервер сохраняет этот ген вместе с величиной его приспособленности (блок 370).
[0048] На фигуре 4 приведена блок-схема, на которой показаны компоненты клиента и сервера фигуры 1. На фигуре 4 показано, что каждый сервер или клиент содержит по меньшей мере один процессор 402, который обменивается информацией с различными периферийными устройствами с помощью подсистемы 404 шины. Это могут быть следующие периферийные устройства: подсистема 406 хранения информации, в том числе подсистема 408 запоминающих устройств и подсистема 410 хранения файлов, устройства 412 ввода информации пользовательского интерфейса, устройства 414 вывода информации пользовательского интерфейса и подсистема 416 сетевого интерфейса. Устройства ввода и вывода информации обеспечивают взаимодействие пользователя с системой 402 обработки данных.
[0049] Подсистема 416 сетевого интерфейса обеспечивает сопряжение с другими компьютерными системами, сетями и ресурсами 404 хранения данных. Может обеспечиваться сопряжение с такими сетями, как Интернет, локальные сети (LAN), региональные сети (WAN), беспроводные сети, внутрикорпоративные сети, частные сети, общедоступные сети, сети с коммутируемыми линиями связи или любые другие подходящие сети связи. Подсистема 416 сетевого интерфейса представляет собой интерфейс для приема данных от других источников и передачи данных другим источникам. В качестве подсистемы 416 сетевого интерфейса может использоваться сетевая карта Ethernet, модем (телефонная, спутниковая, кабельная связь, ISDN и т.п.), модули цифровой абонентской линии (DSL) и др.
[0050] К устройствам 412 ввода информации пользовательского интерфейса относятся, например, клавиатуры, указывающие устройства, такие как мыши, трекболы, сенсорные планшеты, планшеты графического ввода, сканеры, сканеры штрих-кода, сенсорные экраны, устройства ввода звука, такие как системы распознавания речевой информации, микрофоны и др. В общем случае, термин "устройство ввода" относится ко всем возможным типам устройств и способов ввода информации.
[0051] К устройствам 414 вывода информации пользовательского интерфейса относятся, например, дисплеи, принтеры, факс-аппараты или устройства вывода звуковой информации. В качестве дисплея может использоваться ЭЛТ, плоская панель, например, жидкокристаллический дисплей или проекционное устройство. В общем случае, термин "устройство вывода" относится ко всем возможным типам устройств и способов вывода информации.
[0052] Подсистема 406 хранения информации может быть устроена таким образом, чтобы в ней сохранялись базовые программы и данные, обеспечивающие функциональные возможности в соответствии с вариантами осуществления настоящего изобретения. Например, в соответствии с одним из вариантов осуществления изобретения в подсистеме 406 хранения информации могут храниться программные модули, обеспечивающие выполнение функций в соответствии с настоящим изобретением. Эти программные модули могут выполняться процессором 402. Подсистема 406 хранения информации может также использоваться в качестве хранилища данных, используемых в соответствии с настоящим изобретением. Подсистема 406 хранения информации может включать, например, подсистему 408 запоминающих устройств и подсистему 410 хранения файлов, например, на дисках.
[0053] Подсистема 408 запоминающих устройств может содержать различные типы таких устройств, включая оперативное запоминающее устройство 418 с произвольным доступом (ОЗУ) для хранения команд и данных во время исполнения программ, а также постоянное запоминающее устройство 420 (ПЗУ), в котором хранятся программы. Подсистема 410 хранения файлов обеспечивает долговременное хранение файлов программ и данных, и в качестве такой подсистемы может использоваться жесткий диск, дисковод гибких дисков вместе с соответствующими носителями данных, дисковод компакт-дисков, дисковод оптических дисков, сменные картриджи с носителями информации и другие аналогичные устройства.
[0054] Подсистема 404 шины обеспечивает механизм обмена сообщениями между различными компонентами и подсистемами сервера и клиента. Хотя подсистема 404 шины показана схематически как одна шина, в других вариантах осуществления изобретения может использоваться несколько шин.
[0055] В качестве устройства обработки информации может использоваться персональный компьютер, портативный компьютер, рабочая станция, сетевой компьютер, главный компьютер, интерактивный терминал или другая система обработки данных. Необходимо понимать, что описание клиента/сервера, показанного на фигуре 4, является всего лишь примером. Возможны многие другие конфигурации, количество компонентов которых отличается от количества компонентов системы, показанной на фигуре 4.
[0056] Вышеописанные варианты осуществления настоящего изобретения приведены в качестве его иллюстрации и никоим образом не ограничивают его объем. Объем настоящего изобретения не ограничивается типом или количеством клиентских компьютеров, которые могут использоваться в системе. Объем настоящего изобретения не ограничивается типом или количеством серверов, которые могут использоваться в системе. Возможны различные альтернативные и эквивалентные варианты. После ознакомления с настоящим описанием специалисты могут предложить дополнения и исключения компонентов рассмотренных вариантов, а также их модификации, которые охватываются объемом прилагаемой формулы.
Claims (29)
1. Сетевая вычислительная система, содержащая первый клиентский компьютер, который содержит:
запоминающее устройство, обеспечивающее хранение N генов, каждый из которых характеризуется множеством условий и по меньшей мере одним действием, причем N - целое число, превышающее 1;
коммуникационный порт, через который первый клиентский компьютер периодически принимает данные, связанные с N генами; и
процессор, обеспечивающий оценку характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, причем характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность гена.
запоминающее устройство, обеспечивающее хранение N генов, каждый из которых характеризуется множеством условий и по меньшей мере одним действием, причем N - целое число, превышающее 1;
коммуникационный порт, через который первый клиентский компьютер периодически принимает данные, связанные с N генами; и
процессор, обеспечивающий оценку характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, причем характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность гена.
2. Сетевая вычислительная система по п.1, в которой данные, связанные с N генами, содержат архивные коммерческие данные, и решение, обеспечиваемое каждым геном, содержит рекомендацию по сделкам, выработанную этим геном.
3. Сетевая вычислительная система по п. 2, в которой первый клиентский компьютер устроен таким образом, чтобы он обеспечивал удаление М из N генов после оценки приспособленности N генов на временном интервале, охватывающем Р операционных дней, причем каждый из удаленных генов имеет величину приспособленности, не превышающую первое заданное пороговое значение, и каждый из остающихся N - М генов является выжившим геном, где М и Р - целые положительные числа, и М меньше, чем N.
4. Сетевая вычислительная система по п.3, в которой первый клиентский компьютер выполнен с возможностью обеспечения:
оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величина приспособленности которых, определенная на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул элитных генов; и
передачу первого пула элитных генов в сервер.
оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величина приспособленности которых, определенная на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул элитных генов; и
передачу первого пула элитных генов в сервер.
5. Сетевая вычислительная система по п.4, содержащая множество клиентских компьютеров, включая первый клиентский компьютер, а также содержащая сервер, в которой сервер устроен таким образом, чтобы он обеспечивал:
получение первого пула элитных генов от первого клиентского компьютера;
запись полученных генов в генный пул сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого подмножества клиентских компьютеров одного или более генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней.
получение первого пула элитных генов от первого клиентского компьютера;
запись полученных генов в генный пул сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого подмножества клиентских компьютеров одного или более генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней.
6. Сетевая вычислительная система по п.5, в которой каждый клиентский компьютер из по меньшей мере первого подмножества клиентских компьютеров устроен таким образом, чтобы он обеспечивал:
получение из первого сервера одного или нескольких генов из генного пула сервера;
оценку приспособленности полученных генов путем сравнения рекомендаций по сделкам, выработанным каждым из полученных генов с соответствующими архивными коммерческими данными на временном интервале, охватывающем W операционных дней;
удаление генов, величина приспособленности которых ниже третьего порогового значения; и
передачу в сервер оставшихся генов для рассмотрения возможности их записи в генном пуле сервера.
получение из первого сервера одного или нескольких генов из генного пула сервера;
оценку приспособленности полученных генов путем сравнения рекомендаций по сделкам, выработанным каждым из полученных генов с соответствующими архивными коммерческими данными на временном интервале, охватывающем W операционных дней;
удаление генов, величина приспособленности которых ниже третьего порогового значения; и
передачу в сервер оставшихся генов для рассмотрения возможности их записи в генном пуле сервера.
7. Сетевая вычислительная система по п.2, в которой N генов, записанных в запоминающем устройстве клиентского компьютера, формируются в соответствии с программой, записанной в первом клиентском компьютере и выполняемой его процессором,
8. Сетевая вычислительная система, содержащая сервер, который устроен таким образом, чтобы он обеспечивал:
получение первого генного пула от первого клиентского компьютера из множества клиентских компьютеров;
запись полученных генов в генном пуле сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого
подмножества клиентских компьютеров одного или нескольких генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней, причем первый генный пул формируется с использованием оценки характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность гена, и каждый ген идентифицируется множеством условий и по меньшей мере одним действием.
получение первого генного пула от первого клиентского компьютера из множества клиентских компьютеров;
запись полученных генов в генном пуле сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого
подмножества клиентских компьютеров одного или нескольких генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней, причем первый генный пул формируется с использованием оценки характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность гена, и каждый ген идентифицируется множеством условий и по меньшей мере одним действием.
9. Сетевая вычислительная система по п.8, в которой данные, связанные с каждым геном, содержат архивные коммерческие данные, и решение, обеспечиваемое каждым геном, содержит рекомендацию о сделках, выработанную этим геном, и в которой первый клиентский компьютер из множества клиентских компьютеров устроен таким образом, чтобы он удаляя М из N генов после оценки приспособленности N генов на интервале, охватывающем Р операционных дней, причем каждый из удаленных генов имеет приспособленность, величина которой ниже первого заданного порогового значения, и каждый из остающихся N - М генов является выжившим геном, где М и Р - целые положительные числа, и М меньше, чем N.
10. Сетевая вычислительная система по п.9, в которой первый клиентский компьютер из множества клиентских компьютеров устроен таким образом, чтобы он дополнительно обеспечивал:
выполнение оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величина приспособленности которых, определенная на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул генов.
выполнение оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величина приспособленности которых, определенная на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул генов.
11. Сетевая вычислительная система по п.8, в которой сервер принимает только те гены, величины приспособленности которых превышают величину приспособленности наименее приспособленного гена, ранее записанного в генном пуле сервера.
12. Сетевая вычислительная система по п.11, в которой сервер устроен таким образом, чтобы он также объединял множество величин приспособленности, связанных с каждым геном, которые получает сервер, с соответствующей величиной приспособленности, записанной в сервере для этого гена.
13. Сетевая вычислительная система по любому из пп.8 - 12, содержащая также первый клиентский компьютер.
14. Способ интеллектуального анализа данных с использованием множества клиентских компьютеров, включающий:
запись в запоминающем устройстве, к которому имеет доступ первый клиентский компьютер, N генов, каждый из которых характеризуется множеством условий и по меньшей мере одним действием, где N - целое число, превышающее 1;
периодическое получение данных, связанных с N генами, через коммуникационный порт; и
выполнение первым клиентским компьютером оценки характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, причем характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность этого гена.
запись в запоминающем устройстве, к которому имеет доступ первый клиентский компьютер, N генов, каждый из которых характеризуется множеством условий и по меньшей мере одним действием, где N - целое число, превышающее 1;
периодическое получение данных, связанных с N генами, через коммуникационный порт; и
выполнение первым клиентским компьютером оценки характеристики эффективности каждого из N генов путем сравнения решения, обеспечиваемого каждым геном, с периодически получаемыми данными, связанными с этим геном, причем характеристика эффективности каждого гена корректируется каждый раз при получении данных и определяет приспособленность этого гена.
15. Способ по п.14, в котором данные, связанные с каждым геном, содержат архивные коммерческие данные, и решение, обеспечиваемое каждым геном, содержит рекомендацию по сделкам, выработанную этим геном,
причем способ включает также удаление М из N генов после оценки приспособленности N генов на интервале, охватывающем Р дней, причем каждый из удаленных генов имеет приспособленность, величина которой ниже первого заданного порогового значения, и каждый из остающихся N - М генов является выжившим геном, где М и Р - целые положительные числа, и М меньше, чем N.
причем способ включает также удаление М из N генов после оценки приспособленности N генов на интервале, охватывающем Р дней, причем каждый из удаленных генов имеет приспособленность, величина которой ниже первого заданного порогового значения, и каждый из остающихся N - М генов является выжившим геном, где М и Р - целые положительные числа, и М меньше, чем N.
16. Способ по п.15, включающий также:
выполнение оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величины приспособленности которых, определенные на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул элитных генов; и
передачу первого пула элитных генов в сервер.
выполнение оценки приспособленности остающихся генов на множестве Q операционных дней в дополнение к множеству Р операционных дней;
удаление генов, величины приспособленности которых, определенные на временном интервале, охватывающем Р + Q операционных дней, ниже второго заданного порогового значения; и
повторение операций оценки и удаления S раз, где Q и S - целые числа, и S равно или больше 1, причем гены, выжившие после S операций оценки и удаления, формируют первый пул элитных генов; и
передачу первого пула элитных генов в сервер.
17. Способ по п.16, включающий также:
получение первого пула элитных генов от первого клиентского компьютера из множества клиентских компьютеров;
запись полученных генов в генном пуле сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого подмножества клиентских компьютеров одного или нескольких генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней.
получение первого пула элитных генов от первого клиентского компьютера из множества клиентских компьютеров;
запись полученных генов в генном пуле сервера; и
передачу каждому клиентскому компьютеру из по меньшей мере первого подмножества клиентских компьютеров одного или нескольких генов из генного пула сервера для оценки приспособленности на временном интервале, охватывающем W операционных дней.
18. Способ по п.14, в котором N генов формируются в соответствии с программой, записанной в первом клиентском компьютере и выполняемой этим компьютером.
19. Способ по п.17, в котором из множества генов, переданных в сервер и не удаленных, исключаются все гены, величины приспособленности которых не превышают величину приспособленности наименее приспособленного гена, ранее записанного в генном пуле сервера,
причем способ включает также объединение множества величин приспособленности, связанных с каждым геном, которые сервер получает по меньшей мере от первого подмножества клиентских компьютеров, с соответствующей величиной приспособленности, записанной в сервере для этого гена.
причем способ включает также объединение множества величин приспособленности, связанных с каждым геном, которые сервер получает по меньшей мере от первого подмножества клиентских компьютеров, с соответствующей величиной приспособленности, записанной в сервере для этого гена.
20. Вычислительная система интеллектуального анализа данных, содержащая: процессор для обработки данных; и
запоминающее устройство, к которому может иметь доступ процессор и которое содержит подходящую базу данных, содержащую пул особей, каждая из которых дополнительно имеет связанный с ней индикатор соответствующей оценки приспособленности,
для использования с обучающей базой данных для интеллектуального анализа данных, к которой может иметь доступ процессор и которая содержит обучающие данные,
причем устроен таким образом, чтобы он обеспечивал:
тестирование на первом подмножестве обучающих данных каждой особи в тестовом подмножестве, содержащем по меньшей мере одну особь;
вычисление оценки приспособленности для каждой особи в тестовом подмножестве в соответствии с результатами тестирования на первом подмножестве обучающих данных;
удаление особей из пула особей в соответствии с оценками их приспособленности;
тестирование на втором подмножестве обучающих данных каждой особи в тестовом подмножестве, которая остается после удаления особей, причем второе подмножество содержит по меньшей мере одну характеристику, не включенную в первое подмножество;
обновление в соответствии с результатами тестирования на втором подмножестве обучающих данных оценки приспособленности для каждой особи, протестированной на втором подмножестве обучающих данных; и
дополнительное удаление особей из пула особей в соответствии с обновленными оценками их приспособленности.
запоминающее устройство, к которому может иметь доступ процессор и которое содержит подходящую базу данных, содержащую пул особей, каждая из которых дополнительно имеет связанный с ней индикатор соответствующей оценки приспособленности,
для использования с обучающей базой данных для интеллектуального анализа данных, к которой может иметь доступ процессор и которая содержит обучающие данные,
причем устроен таким образом, чтобы он обеспечивал:
тестирование на первом подмножестве обучающих данных каждой особи в тестовом подмножестве, содержащем по меньшей мере одну особь;
вычисление оценки приспособленности для каждой особи в тестовом подмножестве в соответствии с результатами тестирования на первом подмножестве обучающих данных;
удаление особей из пула особей в соответствии с оценками их приспособленности;
тестирование на втором подмножестве обучающих данных каждой особи в тестовом подмножестве, которая остается после удаления особей, причем второе подмножество содержит по меньшей мере одну характеристику, не включенную в первое подмножество;
обновление в соответствии с результатами тестирования на втором подмножестве обучающих данных оценки приспособленности для каждой особи, протестированной на втором подмножестве обучающих данных; и
дополнительное удаление особей из пула особей в соответствии с обновленными оценками их приспособленности.
21. Система по п.20, в которой первое подмножество обучающих данных также содержит по меньшей мере одну характеристику, не включенную во второе подмножество обучающих данных.
22. Система по п.20, в которой каждая особь в пуле определяет соответствующую группу, содержащую по меньшей мере одно условие и по меньшей мере одни соответствующие выходные данные, предложенные в зависимости от условий.
23. Система по п.22, в которой обучающая база данных содержит архивные коммерческие данные для одного или нескольких финансовых активов,
причем каждая особь указывает множество условий, разрешимых в соответствии с коммерческими данными в обучающей базе данных, и выходные данные, определяемые особями, включают инструкции на выполнение операций для одного или нескольких финансовых активов,
и процессор устроен также таким образом, чтобы он обеспечивал особи из пула особей, не удаленных из пула в соответствии с обновленными оценками их приспособленности, для использования при формировании рекомендаций по коммерческим операциям в соответствии с производственными данными.
причем каждая особь указывает множество условий, разрешимых в соответствии с коммерческими данными в обучающей базе данных, и выходные данные, определяемые особями, включают инструкции на выполнение операций для одного или нескольких финансовых активов,
и процессор устроен также таким образом, чтобы он обеспечивал особи из пула особей, не удаленных из пула в соответствии с обновленными оценками их приспособленности, для использования при формировании рекомендаций по коммерческим операциям в соответствии с производственными данными.
24. Система по п.20, в которой процессор устроен также таким образом, чтобы он передавал в серверную вычислительную систему особи, остающиеся после дополнительного удаления особей из пула особей в соответствии с обновленными оценками их приспособленности.
25. Система по п.24, содержащая также серверную вычислительную систему, содержащую:
процессор сервера для обработки данных; и
запоминающее устройство, к которому имеет доступ процессор, и процессор сервера устроен таким образом, чтобы он передавал в клиентскую вычислительную систему полученные особи, отобранные для дальнейшего тестирования на обучающих данных.
процессор сервера для обработки данных; и
запоминающее устройство, к которому имеет доступ процессор, и процессор сервера устроен таким образом, чтобы он передавал в клиентскую вычислительную систему полученные особи, отобранные для дальнейшего тестирования на обучающих данных.
26. Система по п.25, в которой процессор сервера также устроен таким образом, чтобы он удалял полученные особи, отобранные в соответствии с оценками их приспособленности.
27. Система по п.20, в которой процессор для обработки данных включает первую и вторую вычислительные системы,
причем первая вычислительная система устроена таким образом, чтобы она выполняла тестирование на первом подмножестве обучающих данных, и вторая вычислительная система устроена таким образом, чтобы она удаляла особи в соответствии с оценками их приспособленности.
причем первая вычислительная система устроена таким образом, чтобы она выполняла тестирование на первом подмножестве обучающих данных, и вторая вычислительная система устроена таким образом, чтобы она удаляла особи в соответствии с оценками их приспособленности.
28. Система по п.20, в которой процессор для обработки данных устроен также таким образом, чтобы он создавал новые особи путем репродукции в соответствии с одной или несколькими особями, остающимися после дополнительного удаления особей.
29. Система по п.21, в которой удаление особей из пула особей в соответствии с оценками их приспособленности осуществляется также в зависимости от объема тестирования, которому подвергались эти особи.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17358009P | 2009-04-28 | 2009-04-28 | |
| US61/173,580 | 2009-04-28 | ||
| PCT/US2010/032841 WO2010127039A1 (en) | 2009-04-28 | 2010-04-28 | Distributed evolutionary algorithm for asset management and trading |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2011148006A RU2011148006A (ru) | 2013-06-10 |
| RU2541105C2 true RU2541105C2 (ru) | 2015-02-10 |
Family
ID=42993006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2011148006/08A RU2541105C2 (ru) | 2009-04-28 | 2010-04-28 | Сетевая вычислительная система (варианты) и способ для вычислительной задачи |
Country Status (13)
| Country | Link |
|---|---|
| US (3) | US8527433B2 (ru) |
| EP (1) | EP2422278A4 (ru) |
| JP (1) | JP5695030B2 (ru) |
| KR (1) | KR101689908B1 (ru) |
| CN (2) | CN102422280A (ru) |
| AU (1) | AU2010241594B2 (ru) |
| BR (1) | BRPI1011964A2 (ru) |
| CA (1) | CA2759986A1 (ru) |
| HK (1) | HK1231603A1 (ru) |
| IL (2) | IL215728A (ru) |
| RU (1) | RU2541105C2 (ru) |
| SG (1) | SG175360A1 (ru) |
| WO (1) | WO2010127039A1 (ru) |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008157594A2 (en) | 2007-06-18 | 2008-12-24 | New Jersey Institute Of Technology | Electrospun ceramic-polymer composite as a scaffold for tissue repair |
| CN101939727A (zh) * | 2007-11-08 | 2011-01-05 | 遗传学金融(巴巴多斯)有限公司 | 执行复杂算法的分布式网络 |
| US8909570B1 (en) | 2008-11-07 | 2014-12-09 | Genetic Finance (Barbados) Limited | Data mining technique with experience-layered gene pool |
| US9476026B2 (en) | 2009-03-12 | 2016-10-25 | New Jersey Institute Of Technology | Method of tissue repair using a piezoelectric scaffold |
| KR101689909B1 (ko) * | 2009-04-28 | 2016-12-26 | 센티언트 테크놀로지스 (바베이도스) 리미티드 | 자산 관리 및 거래를 위한 클래스 기반 분산 알고리즘 |
| SG175360A1 (en) | 2009-04-28 | 2011-11-28 | Genetic Finance Barbados Ltd | Distributed evolutionary algorithm for asset management and trading |
| US9180166B2 (en) | 2010-03-12 | 2015-11-10 | New Jersey Institute Of Technology | Cartilage repair systems and applications utilizing a glycosaminoglycan mimic |
| US8849733B2 (en) * | 2011-05-18 | 2014-09-30 | The Boeing Company | Benchmarking progressive systems for solving combinatorial problems |
| US9304895B1 (en) | 2011-07-15 | 2016-04-05 | Sentient Technologies (Barbados) Limited | Evolutionary technique with n-pool evolution |
| US9367816B1 (en) | 2011-07-15 | 2016-06-14 | Sentient Technologies (Barbados) Limited | Data mining technique with induced environmental alteration |
| US9002759B2 (en) | 2011-07-15 | 2015-04-07 | Sentient Technologies (Barbados) Limited | Data mining technique with maintenance of fitness history |
| US9710764B1 (en) | 2011-07-15 | 2017-07-18 | Sentient Technologies (Barbados) Limited | Data mining technique with position labeling |
| US10025700B1 (en) | 2012-07-18 | 2018-07-17 | Sentient Technologies (Barbados) Limited | Data mining technique with n-Pool evolution |
| US20140358616A1 (en) * | 2013-06-03 | 2014-12-04 | International Business Machines Corporation | Asset management for a computer-based system using aggregated weights of changed assets |
| US10474961B2 (en) | 2013-06-20 | 2019-11-12 | Viv Labs, Inc. | Dynamically evolving cognitive architecture system based on prompting for additional user input |
| US9594542B2 (en) | 2013-06-20 | 2017-03-14 | Viv Labs, Inc. | Dynamically evolving cognitive architecture system based on training by third-party developers |
| US9519461B2 (en) | 2013-06-20 | 2016-12-13 | Viv Labs, Inc. | Dynamically evolving cognitive architecture system based on third-party developers |
| US9633317B2 (en) | 2013-06-20 | 2017-04-25 | Viv Labs, Inc. | Dynamically evolving cognitive architecture system based on a natural language intent interpreter |
| CN104133667B (zh) * | 2013-11-29 | 2017-08-01 | 腾讯科技(成都)有限公司 | 实现人工智能行为的方法、装置及人工智能编辑器 |
| US10268953B1 (en) | 2014-01-28 | 2019-04-23 | Cognizant Technology Solutions U.S. Corporation | Data mining technique with maintenance of ancestry counts |
| US10430709B2 (en) * | 2016-05-04 | 2019-10-01 | Cognizant Technology Solutions U.S. Corporation | Data mining technique with distributed novelty search |
| US11288579B2 (en) | 2014-01-28 | 2022-03-29 | Cognizant Technology Solutions U.S. Corporation | Training and control system for evolving solutions to data-intensive problems using nested experience-layered individual pool |
| WO2016207731A2 (en) | 2015-06-25 | 2016-12-29 | Sentient Technologies (Barbados) Limited | Alife machine learning system and method |
| US10430429B2 (en) | 2015-09-01 | 2019-10-01 | Cognizant Technology Solutions U.S. Corporation | Data mining management server |
| US10956823B2 (en) | 2016-04-08 | 2021-03-23 | Cognizant Technology Solutions U.S. Corporation | Distributed rule-based probabilistic time-series classifier |
| JP6372868B2 (ja) * | 2016-05-31 | 2018-08-15 | Ｉｄｅｉｎ株式会社 | 報酬分配方法、報酬分配システム及び端末 |
| US11250328B2 (en) | 2016-10-26 | 2022-02-15 | Cognizant Technology Solutions U.S. Corporation | Cooperative evolution of deep neural network structures |
| US10839938B2 (en) | 2016-10-26 | 2020-11-17 | Cognizant Technology Solutions U.S. Corporation | Filtering of genetic material in incremental fitness evolutionary algorithms based on thresholds |
| US11403532B2 (en) | 2017-03-02 | 2022-08-02 | Cognizant Technology Solutions U.S. Corporation | Method and system for finding a solution to a provided problem by selecting a winner in evolutionary optimization of a genetic algorithm |
| US10744372B2 (en) | 2017-03-03 | 2020-08-18 | Cognizant Technology Solutions U.S. Corporation | Behavior dominated search in evolutionary search systems |
| US11507844B2 (en) | 2017-03-07 | 2022-11-22 | Cognizant Technology Solutions U.S. Corporation | Asynchronous evaluation strategy for evolution of deep neural networks |
| CN107103360B (zh) * | 2017-03-31 | 2020-08-18 | 华南理工大学 | 一种基于混合云的可靠应用分配分布式遗传方法 |
| US11281977B2 (en) | 2017-07-31 | 2022-03-22 | Cognizant Technology Solutions U.S. Corporation | Training and control system for evolving solutions to data-intensive problems using epigenetic enabled individuals |
| US11250314B2 (en) | 2017-10-27 | 2022-02-15 | Cognizant Technology Solutions U.S. Corporation | Beyond shared hierarchies: deep multitask learning through soft layer ordering |
| WO2019118290A1 (en) | 2017-12-13 | 2019-06-20 | Sentient Technologies (Barbados) Limited | Evolutionary architectures for evolution of deep neural networks |
| US11182677B2 (en) | 2017-12-13 | 2021-11-23 | Cognizant Technology Solutions U.S. Corporation | Evolving recurrent networks using genetic programming |
| US11527308B2 (en) | 2018-02-06 | 2022-12-13 | Cognizant Technology Solutions U.S. Corporation | Enhanced optimization with composite objectives and novelty-diversity selection |
| US11574201B2 (en) | 2018-02-06 | 2023-02-07 | Cognizant Technology Solutions U.S. Corporation | Enhancing evolutionary optimization in uncertain environments by allocating evaluations via multi-armed bandit algorithms |
| US11755979B2 (en) | 2018-08-17 | 2023-09-12 | Evolv Technology Solutions, Inc. | Method and system for finding a solution to a provided problem using family tree based priors in Bayesian calculations in evolution based optimization |
| US11481639B2 (en) | 2019-02-26 | 2022-10-25 | Cognizant Technology Solutions U.S. Corporation | Enhanced optimization with composite objectives and novelty pulsation |
| CA3129731A1 (en) | 2019-03-13 | 2020-09-17 | Elliot Meyerson | System and method for implementing modular universal reparameterization for deep multi-task learning across diverse domains |
| WO2020198520A1 (en) | 2019-03-27 | 2020-10-01 | Cognizant Technology Solutions U.S. Corporation | Process and system including an optimization engine with evolutionary surrogate-assisted prescriptions |
| US11928698B2 (en) * | 2020-01-20 | 2024-03-12 | Rakuten Group, Inc. | Information processing apparatus, information processing method and program thereof |
| US11775841B2 (en) | 2020-06-15 | 2023-10-03 | Cognizant Technology Solutions U.S. Corporation | Process and system including explainable prescriptions through surrogate-assisted evolution |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2142158C1 (ru) * | 1994-04-28 | 1999-11-27 | Томсон Консьюмер Электроникс, Инк. | Распределенная вычислительная система и компьютер-клиент этой системы |
| RU2161819C2 (ru) * | 1995-04-27 | 2001-01-10 | Оптимарк Технолоджис, Инк. | Сводный сетевой график плотности удовлетворения потребительских заявок |
| US20040254901A1 (en) * | 2003-04-04 | 2004-12-16 | Eric Bonabeau | Methods and systems for interactive evolutionary computing (IEC) |
| US20050187848A1 (en) * | 2004-02-20 | 2005-08-25 | Bonissone Piero P. | Systems and methods for efficient frontier supplementation in multi-objective portfolio analysis |
| US20070143198A1 (en) * | 2005-06-29 | 2007-06-21 | Itg Software Solutions, Inc. | System and method for generating real-time indicators in a trading list or portfolio |
Family Cites Families (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08110804A (ja) | 1994-10-11 | 1996-04-30 | Omron Corp | データ処理装置 |
| US5845266A (en) | 1995-12-12 | 1998-12-01 | Optimark Technologies, Inc. | Crossing network utilizing satisfaction density profile with price discovery features |
| GB9517775D0 (en) | 1995-08-31 | 1995-11-01 | Int Computers Ltd | Computer system using genetic optimization techniques |
| JPH09114797A (ja) | 1995-10-18 | 1997-05-02 | Fuji Xerox Co Ltd | 最適解探索方法及び装置 |
| US20080071588A1 (en) | 1997-12-10 | 2008-03-20 | Eder Jeff S | Method of and system for analyzing, modeling and valuing elements of a business enterprise |
| US5920848A (en) | 1997-02-12 | 1999-07-06 | Citibank, N.A. | Method and system for using intelligent agents for financial transactions, services, accounting, and advice |
| US6249783B1 (en) | 1998-12-17 | 2001-06-19 | International Business Machines Corporation | Method and apparatus for efficiently executing built-in functions |
| US6240399B1 (en) * | 1998-12-24 | 2001-05-29 | Glenn Frank | System and method for optimizing investment location |
| US6779016B1 (en) | 1999-08-23 | 2004-08-17 | Terraspring, Inc. | Extensible computing system |
| JP3247356B2 (ja) * | 1999-10-26 | 2002-01-15 | 株式会社ゴールデン・チャート社 | 資産運用助言システム及びそのプログラムを収録した記録媒体 |
| US8095447B2 (en) | 2000-02-16 | 2012-01-10 | Adaptive Technologies, Ltd. | Methods and apparatus for self-adaptive, learning data analysis |
| JP2001325041A (ja) | 2000-05-12 | 2001-11-22 | Toyo Eng Corp | 計算機資源活用方法及びシステム |
| US7246075B1 (en) | 2000-06-23 | 2007-07-17 | North Carolina A&T State University | System for scheduling multiple time dependent events |
| US20020019844A1 (en) | 2000-07-06 | 2002-02-14 | Kurowski Scott J. | Method and system for network-distributed computing |
| JP2002163331A (ja) * | 2000-11-27 | 2002-06-07 | Sekisui Chem Co Ltd | 住宅情報提供システム及び住宅情報提供プログラムを記録した記録媒体 |
| JP2003044665A (ja) * | 2001-07-31 | 2003-02-14 | Cmd Research:Kk | 金融市場における価格変動シミュレーションプログラム |
| US7444309B2 (en) | 2001-10-31 | 2008-10-28 | Icosystem Corporation | Method and system for implementing evolutionary algorithms |
| US7013344B2 (en) | 2002-01-09 | 2006-03-14 | International Business Machines Corporation | Massively computational parallizable optimization management system and method |
| US20040039716A1 (en) * | 2002-08-23 | 2004-02-26 | Thompson Dean S. | System and method for optimizing a computer program |
| JP2004240671A (ja) | 2003-02-05 | 2004-08-26 | Hitachi Ltd | 分散計算機の処理方法及びシステム |
| JP3977765B2 (ja) | 2003-03-31 | 2007-09-19 | 富士通株式会社 | グリッドコンピューティングを用いたシステムにおけるリソース提供方法，そのシステムにおける監視装置およびその監視装置用プログラム |
| US7627506B2 (en) | 2003-07-10 | 2009-12-01 | International Business Machines Corporation | Method of providing metered capacity of temporary computer resources |
| TW200428246A (en) * | 2003-06-03 | 2004-12-16 | Hon Hai Prec Ind Co Ltd | System and method for computing production cost |
| US20050033672A1 (en) | 2003-07-22 | 2005-02-10 | Credit-Agricole Indosuez | System, method, and computer program product for managing financial risk when issuing tender options |
| JP4458412B2 (ja) * | 2003-12-26 | 2010-04-28 | 株式会社進化システム総合研究所 | パラメータ調整装置 |
| US10248930B2 (en) | 2004-01-07 | 2019-04-02 | Execusoft Corporation | System and method of commitment management |
| WO2005073854A2 (en) | 2004-01-27 | 2005-08-11 | Koninklijke Philips Electronics, N.V. | System and method for providing an extended computing capacity |
| CN1617512A (zh) * | 2004-11-25 | 2005-05-18 | 中国科学院计算技术研究所 | 一种自适应网络流量预测和异常报警方法 |
| US7689681B1 (en) | 2005-02-14 | 2010-03-30 | David Scott L | System and method for facilitating controlled compensable use of a remotely accessible network device |
| US7603325B2 (en) * | 2005-04-07 | 2009-10-13 | Jacobson David L | Concurrent two-phase completion genetic algorithm system and methods |
| US20070143759A1 (en) | 2005-12-15 | 2007-06-21 | Aysel Ozgur | Scheduling and partitioning tasks via architecture-aware feedback information |
| JP2007207173A (ja) | 2006-02-06 | 2007-08-16 | Fujitsu Ltd | 性能分析プログラム、性能分析方法、および性能分析装置 |
| JP2008129984A (ja) * | 2006-11-24 | 2008-06-05 | Osaka Prefecture Univ | 取引支援システム、取引支援プログラム及びその記録媒体。 |
| CN101939727A (zh) * | 2007-11-08 | 2011-01-05 | 遗传学金融(巴巴多斯)有限公司 | 执行复杂算法的分布式网络 |
| US8275644B2 (en) | 2008-04-16 | 2012-09-25 | International Business Machines Corporation | Generating an optimized analytical business transformation |
| CN101394345A (zh) * | 2008-10-22 | 2009-03-25 | 南京邮电大学 | 一种面向普适计算感知数据流的协同进化聚类方法 |
| US8204717B2 (en) | 2009-04-01 | 2012-06-19 | Honeywell International Inc. | Cloud computing as a basis for equipment health monitoring service |
| US8555381B2 (en) | 2009-04-01 | 2013-10-08 | Honeywell International Inc. | Cloud computing as a security layer |
| US7970830B2 (en) | 2009-04-01 | 2011-06-28 | Honeywell International Inc. | Cloud computing for an industrial automation and manufacturing system |
| SG175360A1 (en) | 2009-04-28 | 2011-11-28 | Genetic Finance Barbados Ltd | Distributed evolutionary algorithm for asset management and trading |
| KR101689909B1 (ko) * | 2009-04-28 | 2016-12-26 | 센티언트 테크놀로지스 (바베이도스) 리미티드 | 자산 관리 및 거래를 위한 클래스 기반 분산 알고리즘 |
| US8583530B2 (en) | 2011-03-17 | 2013-11-12 | Hartford Fire Insurance Company | Code generation based on spreadsheet data models |
-
2010
- 2010-04-28 SG SG2011078649A patent/SG175360A1/en unknown
- 2010-04-28 CN CN2010800188078A patent/CN102422280A/zh active Pending
- 2010-04-28 KR KR1020117028270A patent/KR101689908B1/ko active IP Right Grant
- 2010-04-28 EP EP10770287A patent/EP2422278A4/en not_active Withdrawn
- 2010-04-28 WO PCT/US2010/032841 patent/WO2010127039A1/en active Application Filing
- 2010-04-28 CA CA2759986A patent/CA2759986A1/en not_active Abandoned
- 2010-04-28 CN CN201610592204.8A patent/CN106203630A/zh active Pending
- 2010-04-28 JP JP2012508660A patent/JP5695030B2/ja not_active Expired - Fee Related
- 2010-04-28 US US12/769,589 patent/US8527433B2/en active Active
- 2010-04-28 AU AU2010241594A patent/AU2010241594B2/en not_active Ceased
- 2010-04-28 RU RU2011148006/08A patent/RU2541105C2/ru not_active IP Right Cessation
- 2010-04-28 BR BRPI1011964A patent/BRPI1011964A2/pt not_active Application Discontinuation
-
2011
- 2011-10-11 IL IL215728A patent/IL215728A/en not_active IP Right Cessation
-
2012
- 2012-05-29 HK HK17104996.7A patent/HK1231603A1/zh unknown
-
2013
- 2013-05-15 US US13/895,238 patent/US8825560B2/en active Active
- 2013-08-29 US US14/014,063 patent/US8918349B2/en active Active
-
2015
- 2015-07-06 IL IL239798A patent/IL239798A/en not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2142158C1 (ru) * | 1994-04-28 | 1999-11-27 | Томсон Консьюмер Электроникс, Инк. | Распределенная вычислительная система и компьютер-клиент этой системы |
| RU2161819C2 (ru) * | 1995-04-27 | 2001-01-10 | Оптимарк Технолоджис, Инк. | Сводный сетевой график плотности удовлетворения потребительских заявок |
| US20040254901A1 (en) * | 2003-04-04 | 2004-12-16 | Eric Bonabeau | Methods and systems for interactive evolutionary computing (IEC) |
| US20050187848A1 (en) * | 2004-02-20 | 2005-08-25 | Bonissone Piero P. | Systems and methods for efficient frontier supplementation in multi-objective portfolio analysis |
| US20070143198A1 (en) * | 2005-06-29 | 2007-06-21 | Itg Software Solutions, Inc. | System and method for generating real-time indicators in a trading list or portfolio |
Also Published As
| Publication number | Publication date |
|---|---|
| HK1231603A1 (zh) | 2017-12-22 |
| EP2422278A4 (en) | 2012-11-07 |
| IL239798A (en) | 2017-04-30 |
| EP2422278A1 (en) | 2012-02-29 |
| WO2010127039A1 (en) | 2010-11-04 |
| IL215728A0 (en) | 2012-01-31 |
| AU2010241594B2 (en) | 2015-05-21 |
| KR101689908B1 (ko) | 2016-12-26 |
| BRPI1011964A2 (pt) | 2016-04-26 |
| JP2012525649A (ja) | 2012-10-22 |
| US8527433B2 (en) | 2013-09-03 |
| JP5695030B2 (ja) | 2015-04-01 |
| IL215728A (en) | 2017-04-30 |
| US20130254142A1 (en) | 2013-09-26 |
| IL239798A0 (en) | 2015-08-31 |
| AU2010241594A1 (en) | 2011-12-08 |
| RU2011148006A (ru) | 2013-06-10 |
| SG175360A1 (en) | 2011-11-28 |
| US20140006316A1 (en) | 2014-01-02 |
| CA2759986A1 (en) | 2010-11-04 |
| US8918349B2 (en) | 2014-12-23 |
| US20100274742A1 (en) | 2010-10-28 |
| CN102422280A (zh) | 2012-04-18 |
| US8825560B2 (en) | 2014-09-02 |
| CN106203630A (zh) | 2016-12-07 |
| KR20120003010A (ko) | 2012-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2541105C2 (ru) | Сетевая вычислительная система (варианты) и способ для вычислительной задачи | |
| RU2556374C2 (ru) | Сетевая вычислительная система и способ решения вычислительной задачи | |
| JP5936237B2 (ja) | コンピュータタスクを実行する方法及びネットワークコンピュータシステム | |
| US20140067718A1 (en) | Trading Exposure Management System and Method | |
| Lin et al. | Facility location and pricing problem: discretized mill price and exact algorithms | |
| TWI503777B (zh) | 用於資產管理與交易之分散式進化演算法 | |
| TWI549083B (zh) | 用於資產管理與交易之以類別為基礎的分散式進化演算法 | |
| WO2023224921A1 (en) | Property revenue management | |
| CN115860907A (zh) | 贷款推荐方式的确定方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PD4A | Correction of name of patent owner | ||
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190429 |