难点是进化的效率问题, 比如有一个沿墙运动机器人的程序, 进化到第53 代时，才进化出了一个基本能沿墙运动的个体, 如果用到系统交易中, 花的时间更长了. 按作者说法是很有可能在一定时间内无法完全进化出所需个体. 其2, 观察进化出的程序，基本不可阅读，并且有大量的冗余部分(作者原话) 我想, 进化用于过滤条件组合倒是可行的
推理和决策有个前提，就是有明确的规则。 比如象棋，双方都遵守这个规则一步步的走， 这样才能产生个明确的博弈树，然会计算机在这个博弈树上寻找必胜路径，把你一步步的往必胜路径上引导。 这个就是计算机的推理和决策。 现在问题来了，交易市场有一个类似象棋一样的明确的规则么？
同意lvsoft所说，交易市场里面没有明确的规则，或者说这些规则太复杂以至于难于准确量化。 象棋例子是理想世界中的规则:o，而真实世界中“象”还是飞田字对角，但位置会有误差，到达的时间也不一定准确... 推理和决策的过程是有规则在其中衔接，但不一定是明确的规则， 相反，真实世界中多半是具有不确定性的规则，一些模棱两可的规则，甚至互相矛盾的规则，具体使用那个规则又取决于另外一条规则...... 最近2，30年发展起来的模糊逻辑，不确定推理，基于统计的决策，甚至NN就是在真实世界里面用于推理和决策的手段，这些方法都不使用死板和机械的规则，甚至完全没有显式的规则（比如NN）。 一个交易系统应该根据当前的市场，仓位，风险和资金的信息，最终做出买入或卖出的决定。这个过程先涉及识别，再涉及推理和决策。整个过程中也有很多模棱两可的规则在支配。 这似乎也可以解释为什么一个老手和一个新手看同样的市场可以做出完全不同的买卖决定，应该是后面的决策过程不一样吧？ 所以，我说推理和决策的过程是一个交易系统成败的关键。
恩，所谓推理，就是通过预测对手的策略，来引导局面变得对自己更有利。双方都在这么做的时候，就是博弈。有明确的规则情况下，推理可以做很远。但市场这种缺乏明确规则的地方，要推理很远是不可能的。结果，很多时候，市场的博弈，不得不简化变成了剪刀石头布一样的机械反应。 但是，越是简单的东西越难琢磨。剪刀石头布的输赢，完全取决于你预测多少步，并且多预测反而是有害的。你所说的老手跟新手交易行为的不同，就是因为老手经验更丰富一点，他对对手的把握更深一点吧。 所以我对市场一直很迷茫～～不知道哪种模式模型能够符合市场的行为。 当然这方面偶是新手，从来没有碰过任何交易系统，只是纯粹的利用大脑中的模拟，来进行点粗浅的分析。
太感激了～～ 我现在先不急着去读这些文章，在进入一个新领域之前，我比较喜欢先按照自己的认知和理解进行一些思考。随后再去拜读这个领域的大作～毕竟前人的知识对我来说，既是巨人的肩膀，又是历史的包袱，我希望我在读这些文章的时候，已经能有自己大致的世界观，这样学得的也深入，也能在别人的基础上有所超越。