人工智能系列之 73：使用 GPU 算力对遗传规划因子挖掘进行加速
创建于 更新于
摘要
本文研究通过基于 PyTorch+CUDA 技术路线对遗传规划因子挖掘全流程及核心计算环节进行 GPU 加速，实现 7\~9 倍加速效果。采用 3000 种群规模，5 轮、每轮 3 代进化，共挖掘出 350 个符合入库条件的优质因子，样本外测试验证部分因子具备较好收益表现。大量GPU加速测试表明，PyTorch+CUDA优于RAPIDS及Numba+CUDA方案，在矩阵加法、线性衰减加权和相关系数计算中均实现百倍级提升。因子构建采用29个初始特征及31个算子，重点组合 ts_grouping_sortavg 算子和换手率特征，提升因子解释力。报告最后指出当前研究局限及后续优化方向 [page::0][page::2][page::3][page::7][page::8][page::9][page::10][page::12][page::13][page::17]
