除了一些常见的问题，如《旅行推销员》和Roger Alsing的《蒙娜丽莎》程序的变体，我还编写了一个进化数独求解器(这需要我自己更多的原创想法，而不仅仅是重新实现别人的想法)。解决数独游戏有更可靠的算法，但进化方法效果相当好。

在过去的几天里，在Reddit上看到这篇文章后，我一直在玩一个进化程序来寻找扑克的“冷牌”。目前还不太令人满意，但我想我可以改进。

我有自己的进化算法框架。

没有家庭作业。

1995年，我作为专业程序员的第一份工作是为标准普尔500指数期货编写一个基于遗传算法的自动交易系统。该应用程序是用Visual Basic 3 [!我不知道我当时是怎么做的，因为VB3甚至没有课程。

The application started with a population of randomly-generated fixed-length strings (the "gene" part), each of which corresponded to a specific shape in the minute-by-minute price data of the S&P500 futures, as well as a specific order (buy or sell) and stop-loss and stop-profit amounts. Each string (or "gene") had its profit performance evaluated by a run through 3 years of historical data; whenever the specified "shape" matched the historical data, I assumed the corresponding buy or sell order and evaluated the trade's result. I added the caveat that each gene started with a fixed amount of money and could thus potentially go broke and be removed from the gene pool entirely.

在对种群的每一次评估之后，幸存者被随机杂交(通过混合来自两个亲本的片段)，一个基因被选择为亲本的可能性与它产生的利润成正比。我还添加了点突变的可能性，让事情变得有趣一点。经过几百代这样的基因，我最终得到了一个基因群，它可以把5000美元变成平均约10000美元，而且没有死亡/破碎的可能性(当然是在历史数据上)。

Unfortunately, I never got the chance to use this system live, since my boss lost close to $100,000 in less than 3 months trading the traditional way, and he lost his willingness to continue with the project. In retrospect, I think the system would have made huge profits - not because I was necessarily doing anything right, but because the population of genes that I produced happened to be biased towards buy orders (as opposed to sell orders) by about a 5:1 ratio. And as we know with our 20/20 hindsight, the market went up a bit after 1995.

我几周前做了这个有趣的小玩意。它生成有趣的互联网图像使用GA。有点傻，但很好笑。

http://www.twitterandom.info/GAFunny/

对此有一些见解。它是一些mysql表。一个用于图像列表及其评分(即适合度)，另一个用于子图像及其在页面上的位置。

子图像可以有几个细节，但不是全部实现:+大小，倾斜，旋转，+位置，+image_url。

当人们投票决定这张照片有多有趣时，它或多或少会流传到下一代。如果它存活下来，它会产生5-10个带有轻微突变的后代。目前还没有交叉。

我不知道家庭作业算不算…

在我学习期间，我们推出了自己的程序来解决旅行推销员问题。

我们的想法是对几个标准进行比较(映射问题的难度，性能等)，我们还使用了其他技术，如模拟退火。

它运行得很好，但我们花了一段时间来理解如何正确地进行“复制”阶段:将手头的问题建模成适合遗传编程的东西，这对我来说是最难的部分……

这是一门有趣的课程，因为我们也涉猎了神经网络之类的知识。

我想知道是否有人在“生产”代码中使用这种编程。

There was an competition on codechef.com (great site by the way, monthly programming competitions) where one was supposed to solve an unsolveable sudoku (one should come as close as possible with as few wrong collumns/rows/etc as possible).What I would do, was to first generate a perfect sudoku and then override the fields, that have been given. From this pretty good basis on I used genetic programming to improve my solution.I couldn't think of a deterministic approach in this case, because the sudoku was 300x300 and search would've taken too long.

在读完《盲人钟表匠》之后，我对道金斯所说的帕斯卡程序产生了兴趣，他开发了一个可以随着时间进化的生物模型。我对使用Swarm编写自己的程序很感兴趣。我没有画出他画的那些奇特的生物图形，但我的“染色体”控制着影响生物体生存能力的特征。他们生活在一个简单的世界里，可以与彼此和环境决一死战。

生物的生存或死亡部分取决于偶然性，但也取决于它们如何有效地适应当地环境，如何有效地消耗营养物质以及如何成功地繁殖。这很有趣，但也向我妻子证明了我是一个极客。