Discussion de l'article "Algorithmes d'optimisation de la population"
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Un nouvel article Algorithmes d'optimisation de la population a été publié :
Cet article est une introduction à la classification des algorithmes d'optimisation (Optimization Algorithm - OA). L'article tente de créer un banc d'essai (un ensemble de fonctions), pouvant être utilisé pour comparer les OA et, peut-être, identifier l'algorithme le plus universel parmi tous ceux qui sont largement connus.
Classification des AO
Lors de l'optimisation des systèmes de trading, les algorithmes d'optimisation métaheuristiques sont les plus excitants. Ils ne nécessitent pas de connaître la formule de la fonction à optimiser. Leur convergence vers l'optimum global n'a pas été prouvée, mais il a été établi expérimentalement qu’ils donnent une assez bonne solution dans la plupart des cas, ce qui est suffisant pour un certain nombre de problèmes.
De nombreux AO sont apparus comme des modèles empruntés à la nature. Ces modèles sont également appelés modèles comportementaux, d'essaimage ou de population, tels que le comportement des oiseaux en vol (algorithme de l'essaim de particules) ou les principes du comportement des colonies de fourmis (algorithme de la fourmi).
Les algorithmes de population impliquent le traitement simultané de plusieurs options pour résoudre le problème d'optimisation et représentent une alternative aux algorithmes classiques basés sur les trajectoires de mouvement dont la zone de recherche n'a qu'un seul candidat évoluant lors de la résolution du problème.
Auteur : Andrey Dik