L'algorithme génétique et ses applications possibles - page 10

 
Реter Konow:
Pour créer, il faut une idée. Un concept de création. Vous affirmez que ce n'est pas nécessaire. Qu'il suffit de secouer plus violemment le "bocal" de particules pour que tout se construise - l'univers et les êtres vivants... Eh bien, secouez-le, alors...

Je travaillerais d'abord sur les concepts. Bien sûr, il y a beaucoup plus à "secouer" quantitativement qu'à réfléchir qualitativement... Eh bien, créez un GA approprié et laissez-le bouillonner d'entités et nous observerons.

Au fait, j'ai créé un fil intitulé "centrifugeuse algorithmique". J'y ai exprimé des vues similaires. Je pensais créer un "mélangeur de paramètres".

Oui, le tremblement est un moyen universel de créer quelque chose de nouveau. Par exemple, si un homme et une femme secouent un peu le lit, une nouvelle vie naîtra.

 
khorosh:

Oui, le tremblement est un moyen universel de créer quelque chose de nouveau. Par exemple, si un homme et une femme secouent un peu le lit, une nouvelle vie naît.))))

Il y a probablement une loi dans l'univers - tout commence par une idée et se termine par un tremblement sans queue ni tête... L'art, par exemple, l'a prouvé. Maintenant, le marché le prouve aussi... Ensuite, la biotechnologie s'avérera...

 
Реter Konow:
Et quelle est la complexité des systèmes créés par les "secousses" ? Cette méthode est similaire au test de Rorschach, où les taches donnent naissance à des images. D'ailleurs, la véritable démarche des artistes modernes consiste à éclabousser les toiles de peinture, et les "connaisseurs" trouveront de quoi s'admirer).

Y a-t-il des résultats sérieux ? Des systèmes fonctionnels sont-ils en place ?

On s'en fout, vous ne me croyez pas de toute façon).

Tout AO est juste une certaine façon de trier (stratégie de recherche), mais la recherche est toujours dans une direction LOCALE dans l'espace de recherche ! Si l'on peut trouver le meilleur résultat de manière non aléatoire, alors on peut construire une formule analytique et calculer directement la meilleure valeur de la fonction, pourquoi avons-nous besoin d'AO alors ?

Certes, il y a des résultats sérieux, je l'ai dit, l'optimisation d'une forme à la maximisation de la force et la minimisation du volume, la recherche de nouveaux matériaux avec les propriétés fixées avec la construction de réseaux cristallins multidimensionnels, mais il si, en un éclair.

 
Andrey Dik:

Tout AO n'est qu'une certaine façon de trier (stratégie de recherche), mais la recherche se fait toujours dans une direction LOCALE dans l'espace de recherche !

méthode de descente du gradient
 
Andrey Dik:

il suffit d'empoisonner l'air et l'eau pour faire disparaître toute la base alimentaire, ce que l'homme fait remarquablement bien ces derniers temps. l'homme peut mettre, grosso modo, un masque à gaz, mais pas les oiseaux ni les poissons.

les virus, c'est n'importe quoi ! l'homme est assez intelligent pour s'immuniser contre les infections, se régénérer et devenir immortel comme les méduses, le seul problème, c'est l'homme lui-même - en détruisant accidentellement toute vie sur la planète, l'homme s'éteindra (officiellement, bien sûr, en réalité, il se déplacera simplement sur une planète voisine et commencera à y faire caca).

le plus drôle, c'est que l'homme peut fabriquer sa propre nourriture à partir de presque tout, le pétrole étant le meilleur, bien sûr. il ne se soucie donc pas particulièrement de la nourriture vivante, la nourriture non vivante lui suffit.

un être parfait est celui qui peut modifier son génome et créer de la nourriture à partir de matériaux inanimés. les humains sont proches de la perfection. la question de savoir si un être parfait a besoin de moralité est la question du million.

La moralité est primordiale, ce n'est qu'ensuite que la survie, la moralité nous distingue des animaux.

 
TheXpert:
méthode de descente du gradient

la descente de gradient est également une recherche aléatoire dans une direction qui ne garantit pas la découverte du maximum global, la stratégie de recherche "descente de gradient" est basée sur l'hypothèse que la surface continuera à évoluer dans la même direction en conséquence, elle est donc extrêmement mauvaise pour les fonctions présentant des transitions nettes, des coudes et des trous.

il est inutile d'utiliser un AO, même s'il s'agit d'une descente de gradient, si l'extremum peut être calculé analytiquement plutôt qu'itérativement.

 
Кеша Рутов:

La moralité est primordiale, seulement après la survie, la moralité nous distingue des animaux.

L'homme, avec sa "moralité" louée, est en fait pire que les animaux. Regardez votre femme - aucun loup ne tuerait pour la peau d'un lapin, ni un lapin pour un loup, peu importe à quel point ils se détestent ou ont peur l'un de l'autre.

Personne dans le monde animal ne mange ses semblables pour avoir l'air plus jeune.

 
Andrey Dik:
clairement
 
Реter Konow:
Et quelle est la complexité des systèmes créés par les "secousses" ? Cette méthode est similaire au test de Rorschach, où les taches donnent naissance à des tableaux. D'ailleurs, la véritable démarche des artistes modernes consiste à éclabousser les toiles de peinture, et les "connaisseurs" trouveront de quoi s'admirer).

Y a-t-il des résultats sérieux ? Des systèmes fonctionnels sont-ils en place ?
 
AZAT KHALITOV:
L'un des résultats est testé sur mon compte de démonstration - j'ai un signal dans mon profil, le deuxième résultat réagit à des signaux très rares dans une certaine condition de marché - lorsque l'indice sentix est supérieur à environ 8 (idéalement au-dessus de 20 comme en 2017 et 2018, mais au début du mois de mars, il y avait 3 événements de ce type en raison des nouvelles sur le pétrole - sentix reflète la volatilité globale de l'ensemble de la bourse européenne, en 2019 3 événements, alors que 2017 et 2018 chaque jour 1 événement, sur environ 1000 événements seulement 2 non rentables). En général, les résultats sont comparables à la recherche d'onamalies dans un graphique de prix - lorsqu'elles se produisent, le prix tente de revenir à la normale. Quelqu'un a écrit ici qu'il est logique d'utiliser une approche algorythmique, c'est le cas - vous pouvez utiliser des stratégies quotidiennes mais avec des paramètres et des coefficients libres pour celles-ci et, bien sûr, le résultat dépend fortement de la fonction utilisée dans ontester() + l'inclusion de testerstop() dans l'algorithme pour rejeter certains résultats. Bien sûr, les résultats ne sont pas parfaits, par exemple, l'Expert Advisor qui est testé comme un signal n'ouvre maintenant que des ordres de vente en raison des limitations de la stratégie initiale (pour ainsi dire, le sens inhérent), mais j'ai compris comment la stratégie fonctionne et je vais écrire un nouvel algorithme avec des corrections pour permettre des positions en baie dans un mois. On remarque immédiatement que le résultat testé ne peut toujours pas être utilisé - c'est juste une idée simple sans amélioration, sans gestion du risque + stop loss erroné (tous les bugs ont été vérifiés et doivent être corrigés, mais jusqu'à présent, ils ne sont pas inclus dans le code de travail) et nous avons besoin de traiter le facteur de nouvelles. Jusqu'à présent, les erreurs n'ont pas affecté les tests en raison de la faible volatilité de l'ensemble de la bourse européenne (ceci ne s'applique pas à la volatilité locale, qui est maintenant observée). En général, chacun obtient des résultats différents en raison des différents sens implicites et des différentes approches de l'optimisation, mise en œuvre par le gestionnaire ontester(). Le résultat est également affecté par la façon dont vous décrivez l'algorithme de la stratégie initiale (petits détails - mutations pour le résultat final) - dans un résultat, une erreur dans la description (non remarquée avant l'optimisation) a permis d'ouvrir des ordres supplémentaires dans le résultat final. L'utilisation de l'algorithme génétique dans ce cas est similaire à son utilisation dans les réseaux neuronaux (un réseau neuronal est une fonction complexe avec un grand nombre de paramètres et l'une des façons de l'entraîner est un algorithme génétique).