optimization - 是否有最大化数量的简单算法或过程
问题描述
是否有一个简单的算法或过程来最大化数量。假设有两种产品,A 和 B。每种产品的价格每天都在变化,并且彼此独立。您从 100 单位的 A 开始。每天您可以用一种产品交换(买卖)另一种产品。您的目标是在 100 天/迭代中增加您的 A 数量。你用什么工艺?
A的价格 | 数量 | B的价格 | 数量 |
---|---|---|---|
10 美元 | 100 | 43 美元 | 0 |
11 美元 | - | 39 美元 | - |
12 美元 | - | 41 美元 | - |
注意:我在这个例子中使用了价格和产品,但问题可能涉及任何具有可变特征的可数事物。
我已经使用 excel/numbers 使用购买 hi/lo、随机等的组合对这个过程进行了建模,并取得了不错的结果,但我确信这是一个已经被研究过的问题。到目前为止,我在我的研究中还没有发现太多关于这个主题的信息。
解决方案
是否有最大化数量的简单算法或过程
为了使它更容易一点,您可以将问题简化为一个未知变量——“A 的价格/B 的价格”。最大化您的 A 数量;当“A 的价格/B 的价格”在第二天/迭代下降时,您想将所有的 A 换成 B,当“A 的价格 / B 的价格”将在第二天/迭代。
但是,要做到这一点(以确保最大化 A 的数量),您必须准确无误地预测未来。
如果你不能毫无错误地预测未来,你能做的最好的就是依靠“统计概率”来尝试增加你的 A 数量(有失败的风险并减少你的 A 数量,并且极您“意外地最大化您的 A 数量”的可能性很小)。
如果你根本无法预测未来,那么它就变成了纯粹的运气(最好什么都不做,保持你已经拥有的 A 的数量)。举个例子;超过 100 天/迭代,您可以在前 50 天收集有关价格如何变化的信息(例如,计算“过去的最低/最高/平均价格”,也许会发现“A 的价格/B 的价格”始终在 0.2 和 0.3 之间前 50 天/迭代);但是仅仅假设过去以任何方式预测未来是愚蠢的(例如,“A 的价格/B 的价格”可能会突然向任何方向跳跃,并且永远不会回到之前看到的值的范围内)。
换句话说; 为了提高你增加 A 数量的可能性,你需要提高你预测未来的能力;为了提高您预测未来的能力,您需要比提供的信息更多的信息。
推荐阅读
- php - PHP - 根据服务器硬件能力智能增加内存限制
- typescript - 如何从 Typescript 中的子类获取父类?
- neo4j - 如何计算每个节点在 neo4j 中的平均关系数?
- excel - 宏仅在添加了虚假文件名时运行
- python - 谷歌存储使用您自己的程序而不是使用谷歌云库创建签名网址
- java - 由于调用 EJB,Mockito 总是返回 null
- unit-testing - 如何在 gin 的测试上下文中设置主机?
- python - 在列中附加熊猫数据框
- javascript - 为什么在不存在参数的情况下触发 if 语句为真?
- android - 更改 GridLayoutManager 的布局