基于遗传算法的代理委员会的可扩展性和优化
摘要：用神经网络来学习的智能代理群体模拟股市。每个代理群体被看作是游戏中的玩家，并通过遗传算法不断适应代理的架构进行优化。代理群体通过以下步骤买卖股票：（1）获取当前股票价格；（2）预测未来股票价格；（3）根据给定的价格进行交易，直到所有玩家相互满意。股票交易遵循以下规则：（1）如果一个玩家预期股票价格上涨，那么它会尝试购买股票；（2）否则，如果它预期股票价格下跌，它会卖出股票；（3）玩家参与游戏的顺序是随机的。该方法被用来模拟道琼斯指数、纳斯达克指数和标普500指数的交易。观察到玩家和代理数量与运行完整模拟所需的计算时间之间成线性关系。同时发现没有任何玩家占有垄断优势。
作者：T. Marwala, P. De Wilde, L. Correia, P. Mariano, R. Ribeiro, V. Abramov, N. Szirbik, J.Goossenaerts
论文ID：0705.1757
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2007-05-23