Andrey Dik / Профиль
- Информация
10+ лет
опыт работы
|
25
продуктов
|
16
демо-версий
|
14
работ
|
0
сигналов
|
0
подписчиков
|
Разрабатываю системы по технологиям машинного обучения с 2007 года и в области искусственного
интеллекта, оптимизации и прогнозирования.
Принимал активное участие в развитии платформы МТ5, таких как введение поддержки универсальных параллельных
вычислений на GPU и CPU с OpenCL, тестирование и бектестинг распределённых
вычислений в локальной сети и облаке при оптимизации в МТ5, мои тестовые функции входят в штатную поставку терминала.
Серия статей, посвященных алгоритмам оптимизации:
Генетические алгоритмы - это просто!: https://www.mql5.com/ru/articles/55
Популяционные алгоритмы оптимизации: https://www.mql5.com/ru/articles/8122
Популяционные алгоритмы оптимизации: Рой частиц (PSO): https://www.mql5.com/ru/articles/11386
Популяционные алгоритмы оптимизации: Муравьиная Колония (Ant Colony Optimization - ACO): https://www.mql5.com/ru/articles/11602
Популяционные алгоритмы оптимизации: Искусственная Пчелиная Колония (Artificial Bee Colony - ABC): https://www.mql5.com/ru/articles/11736
Популяционные алгоритмы оптимизации: Оптимизация Стаей Серых Волков (Grey Wolf Optimizer - GWO): https://www.mql5.com/ru/articles/11785
Популяционные алгоритмы оптимизации: Алгоритм оптимизации с кукушкой (Cuckoo Optimization Algorithm — COA): https://www.mql5.com/ru/articles/11786
Популяционные алгоритмы оптимизации: Поиск косяком рыб (Fish School Search — FSS): https://www.mql5.com/ru/articles/11841
Популяционные алгоритмы оптимизации: Светлячковый алгоритм (Firefly Algorithm - FA): https://www.mql5.com/ru/articles/11873
Популяционные алгоритмы оптимизации: Алгоритм летучих мышей (Bat algorithm - BA): https://www.mql5.com/ru/articles/11915
Популяционные алгоритмы оптимизации: Оптимизация инвазивных сорняков (Invasive Weed Optimization - IWO): https://www.mql5.com/ru/articles/11990
Все мои публикации: https://www.mql5.com/en/users/joo/publications
ЕСЛИ ВАМ НРАВЯТСЯ МОИ СТАТЬИ И РАЗРАБОТКИ В ОБЛАСТИ ОПТИМИЗАЦИИ - МОЖЕТЕ ПОДДЕРЖАТЬ АВТОРА И КУПИТЬ ИЛИ АРЕНДОВАТЬ МОЩНУЮ БИБЛИОТЕКУ АЛГОРИТМА ОПТИМИЗАЦИИ:
https://www.mql5.com/en/market/product/92455
https://www.mql5.com/en/market/product/93703
или любой другой из моих продуктов:
https://www.mql5.com/en/users/joo/seller
Сделать заказ для MT4 и MT5 через фриланс : https://www.mql5.com/ru/job/new?prefered=joo
Осуществляю подключения к биржам, есть готовые коннекторы.
Рекомендуемые брокеры:
https://rbfxdirect.com/ru/lk/?a=dnhp
https://www.icmarkets.com/ru/?camp=4941
Уникальный алгоритм оптимизации, вдохновленный эволюцией панциря черепахи. Алгоритм TSEA эмулирует постепенное формирование ороговевших участков кожи, которые представляют собой оптимальные решения задачи. Лучшие решения становятся более "твердыми" и располагаются ближе к внешней поверхности, в то время как менее удачные решения остаются "мягкими" и находятся внутри. Алгоритм использует кластеризацию решений по качеству и расстоянию, позволяя сохранять менее успешные варианты и обеспечивая гибкость и адаптивность.
Во второй части статьи перейдем к практической реализации алгоритма BSO, проведем тесты на тестовых функциях и сравним эффективность BSO с другими методами оптимизации.
В данной статье мы рассмотрим инновационный метод оптимизации, названный BSO (Brain Storm Optimization), который вдохновлен природным явлением - "мозговым штурмом". Мы также обсудим новый подход к решению многомодальных задач оптимизации, который использует метод BSO и позволяет находить несколько оптимальных решений без необходимости заранее определять количество подпопуляций. В статье мы также рассмотрим методы кластеризации K-Means и K-Means++.
Мой github с алгоритмами оптимизации: https://github.com/JQSakaJoo/Population-optimization-algorithms-MQL5
В данной статье мы проводим исследование алгоритма Boids, в основе которого лежат уникальные примеры стайного поведения животных. Алгоритм Boids, в свою очередь, послужил основой для создания целого класса алгоритмов, объединенных под названием "Роевый интеллект".
В статье исследуется алгоритм BSA, основанный на поведении птиц, который вдохновлен коллективным стайным взаимодействием птиц в природе. Различные стратегии поиска индивидов в BSA, включая переключение между поведением в полете, бдительностью и поиском пищи, делают этот алгоритм многоаспектным. Он использует принципы стайного поведения, коммуникации, адаптивности, лидерства и следования птиц для эффективного поиска оптимальных решений.
В этой статье мы рассмотрим генератор случайных чисел Mersenne Twister и сравним со стандартным в MQL5. Узнаем влияние качества случайных чисел генераторов на результаты алгоритмов оптимизации.
Алгоритм оптимизации китов (WOA) - это метаэвристический алгоритм, вдохновленный поведением и охотничьими стратегиями горбатых китов. Основная идея WOA заключается в имитации так называемого "пузырькового сетевого" метода кормления, при котором киты создают пузыри вокруг добычи, чтобы затем нападать на нее в спиральном движении.
В статье мы погрузимся в мир гибридизации алгоритмов оптимизации, рассмотрев три ключевых типа: смешивание стратегий, последовательную и параллельную гибридизации. Мы проведем серию экспериментов, сочетая и тестируя соответствующие алгоритмы оптимизации.
Продолжение эксперимента, цель которого - исследовать поведение популяционных алгоритмов оптимизации в контексте их способности эффективно покидать локальные минимумы при низком разнообразии в популяции и достигать глобальных максимумов. Результаты исследования.
Эта статья представляет уникальный эксперимент, цель которого - исследовать поведение популяционных алгоритмов оптимизации в контексте их способности эффективно покидать локальные минимумы при низком разнообразии в популяции и достигать глобальных максимумов. Работа в этом направлении позволит глубже понять, какие конкретные алгоритмы могут успешно продолжать поиск из координат, установленных пользователем в качестве отправной точки, и какие факторы влияют на их успешность в этом процессе.
Уникальная исследовательская попытка объединения разнообразных популяционных алгоритмов в единый класс с целью упрощения применения методов оптимизации. Этот подход не только открывает возможности для разработки новых алгоритмов, включая гибридные варианты, но и создает универсальный базовый стенд для тестирования. Этот стенд становится ключевым инструментом для выбора оптимального алгоритма в зависимости от конкретной задачи.
В статье рассматриваются практические аспекты использования алгоритмов оптимизации для поиска наилучших параметров советников "на лету", виртуализация торговых операций и логики советника. Данная статья может быть использована как своеобразная инструкция для внедрения алгоритмов оптимизации в торгового советника.
Продолжение предыдущей статьи как развитие идеи социальных групп. В новой статье исследуется эволюция социальных групп с использованием алгоритмов перемещения и памяти. Результаты помогут понять эволюцию социальных систем и применить их в оптимизации и поиске решений.
В статье рассмотрим принцип построения многопопуляционных алгоритмов и в качестве примера такого вида алгоритмов разберём Эволюцию социальных групп (ESG), новый авторский алгоритм. Мы проанализируем основные концепции, механизмы взаимодействия популяций и преимущества этого алгоритма, а также рассмотрим его производительность в задачах оптимизации.
В этой статье мы рассмотрим бинарный генетический алгоритм (BGA), который моделирует естественные процессы, происходящие в генетическом материале у живых существ в природе.
В этой статье мы проведем исследование различных методов, применяемых в бинарных генетических алгоритмах и других популяционных алгоритмах. Мы рассмотрим основные компоненты алгоритма, такие как селекция, кроссовер и мутация, а также их влияние на процесс оптимизации. Кроме того, мы изучим способы представления информации и их влияние на результаты оптимизации.
Статья рассказывает о методе оптимизации, основанном на принципах функционирования иммунной системы организма — Micro Artificial Immune System (Micro-AIS) — модификацию AIS. Micro-AIS использует более простую модель иммунной системы и простые операции обработки иммунной информации. Статья также обсуждает преимущества и недостатки Micro-AIS по сравнению с обычным AIS.