Optimización evolutiva de estrategias de control para entornos de inmersión no estacionarios
Autores: Musaev, Alexander; Makshanov, Andrey; Grigoriev, Dmitry
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Matemáticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Consideramos el problema de la autoorganización evolutiva de estrategias de control utilizando el ejemplo de la negociación especulativa en un entorno de mercado inmersivo no estacionario. El principal problema que obstaculiza la obtención de beneficios reales es la extrema alta inestabilidad del componente del sistema de series de observación que implementan el caos estocástico. En estas condiciones, las técnicas tradicionales para aumentar la estabilidad de las estrategias de control son ineficaces. En particular, el uso de esquemas computacionales adaptativos es difícil debido a la alta volatilidad y no estacionariedad de las series de observación. Esto conduce a errores estadísticos significativos de ambos tipos en las decisiones de control generadas. Un enfoque alternativo basado en el uso de tecnologías de robustecimiento dinámico reduce significativamente la efectividad de las decisiones. En el trabajo actual, proponemos un método basado en modelado evolutivo, que proporciona autoorganización estructural y paramétrica del modelo de control.
Descripción
Consideramos el problema de la autoorganización evolutiva de estrategias de control utilizando el ejemplo de la negociación especulativa en un entorno de mercado inmersivo no estacionario. El principal problema que obstaculiza la obtención de beneficios reales es la extrema alta inestabilidad del componente del sistema de series de observación que implementan el caos estocástico. En estas condiciones, las técnicas tradicionales para aumentar la estabilidad de las estrategias de control son ineficaces. En particular, el uso de esquemas computacionales adaptativos es difícil debido a la alta volatilidad y no estacionariedad de las series de observación. Esto conduce a errores estadísticos significativos de ambos tipos en las decisiones de control generadas. Un enfoque alternativo basado en el uso de tecnologías de robustecimiento dinámico reduce significativamente la efectividad de las decisiones. En el trabajo actual, proponemos un método basado en modelado evolutivo, que proporciona autoorganización estructural y paramétrica del modelo de control.