L'algoritmo genetico e le sue possibili applicazioni - pagina 3
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
È adatto, in modalità di ottimizzazione genetica da "Maximum of user criterion" GA del tester massimizzerà il risultato ottenuto dal doppio OnTester() - tutto funziona, ma c'è un problema di automazione "per rallegrare GA" quando inizia a convergere intorno al massimo locale trovato e non vuole cercare altre varianti da parametri di input, in generale in fine tuning GA deve aiutare aggiungendo condizioni a OnTester() o dividendo i parametri di ottimizzazione in diversi intervalli
A proposito, come implementarlo? Ho anche iniziato a pensare di farlo in questo modo.
Vuoi dire "intelligente" - ottimizzato e adattato a un certo ambiente?
Beh, sì, la selezione viene sempre effettuata con qualche criterio. A proposito, il criterio stesso può cambiare con le generazioni, se necessario.
Vuoi dire "intelligente" - ottimizzato e adattato a un ambiente particolare?
A proposito, come si implementa questo? Ho anche iniziato a pensare di farlo in questo modo.
è il solito lavoro con il tester - prima si impostano tutti i parametri per l'ottimizzazione, poi si prova fino al momento in cui il tester inizia a disegnare linee orizzontali su ogni passaggio - questo è un segno che GA ha convergente intorno a un massimo locale, poi si vede nella scheda di ottimizzazione quali parametri GA ha smesso di cambiare, e poi la prossima ottimizzazione viene eseguita, rompere questi parametri (che GA non cambia) su altri intervalli, anche se spesso è sufficiente riavviare il tester cancellando (salvando) le cache di ottimizzazione - GA è inizializzato accidentalmente.
è il solito lavoro con il tester - prima si impostano tutti i parametri per l'ottimizzazione, poi si è testato fino al momento in cui il tester inizia a disegnare linee orizzontali su ogni passaggio - è un segno che GA ha convergente intorno a un massimo locale, poi si vede nella scheda di ottimizzazione quali parametri GA ha smesso di cambiare e poi la prossima ottimizzazione corre si rompe questi parametri (che GA non cambia) su altri intervalli, anche se spesso è sufficiente per riavviare il tester rimuovendo (salvando) le cache di ottimizzazione - GA inizializza
Penso che GA dovrebbe convergere verso un massimo generale (non locale) se il passo dei cambiamenti dei parametri è abbastanza basso. Se il passo è troppo alto il cambio di intervallo non aiuterà, i massimi possono scivolare tra i valori vicini.
Allora è più semplice fare un'enumerazione completa con il passo più basso, e poi GA, estirpando gli intervalli peggiori.
Allora è più facile andare in pieno overshoot con il passo più basso, e poi GA, estirpando le gamme peggiori.
non più facile, ecco il mio EA ottimizzato:
un passaggio di un singolo test di questo EA per 1,5 anni richiede 1,5-2 secondi, nell'ottimizzatore circa la stessa velocità, si può stimare quanto ci vorrà una ricerca completa, e GA entro 20-50 minuti trovo già risultati che mi soddisfano
non più facile, ecco il mio EA in fase di ottimizzazione:
un passaggio di un singolo test di questo EA in 1,5 anni impiega 1,5-2 secondi, l'ottimizzatore ha circa la stessa velocità, si può stimare quanto tempo ci vuole per fare una corsa completa, e GA entro 20-50 minuti ho già trovato risultati che mi soddisfano
Quando il numero di passaggi è visualizzato scientificamente, è l'overflow della cifra genetica, e non funziona affatto (se mai). Ho dovuto farlo:
1. Ridurre il numero di passi. Per evitare che il conteggio dei passi sia grossolano e per coprire la gamma desiderata, ho reso il conteggio dei passi non lineare. Cambiando il parametro 0.001-0.099, 0.01-0.99, 0.1-9.9, ... Cioè passo con una precisione di circa l'1%.
2. Ridurre il numero di variabili da ottimizzare, e questa è la cosa principale.
2а. Dividi le variabili in gruppi che sono (gruppi) quasi indipendenti e ottimizza separatamente.
2б. Trova le variabili che dipendono da un'altra e collegale. Ho rimosso un paio di variabili in questo modo, dopo un lunghissimo trambusto.
2в. Trova le variabili che possono essere rese costanti al costo di una minuscola diminuzione della redditività. Trovato anche.
3. e restringere la gamma di variabili dopo molte valutazioni.
Finché non ho fatto questi sacrifici, la mia ottimizzazione non era efficace. Tutto questo riguarda l'ottimizzazione con troppe variabili. Questo di per sé è sbagliato, ma alcuni esperti evolvono verso la semplificazione piuttosto che la complicazione.
non più facile, ecco il mio EA in fase di ottimizzazione:
un passaggio di un singolo test di questo EA in 1,5 anni richiede 1,5-2 secondi, nell'ottimizzatore circa la stessa velocità, si può stimare quanto tempo ci vuole un'enumerazione completa, e GA entro 20-50 minuti trovo già risultati che mi soddisfano
Questa è una questione di complessità del sistema. Ne stavo discutendo nel thread di GU. Faccio 3-5 passi per un'enumerazione completa. Hai 18 parametri sullo screenshot, sarebbe (3-5)^18 = 400M a 3,8 trilioni, già sulla pietà, anche se è molto, e soprattutto coppie è molto, faccio ricerca completa non su tutti, e avendo fissato alcuni, e in gruppi, che poi già insieme su GA determinato - restringendo GM.
e completamente d'accordo con la dichiarazione più dettagliata
Quando il numero di passaggi viene visualizzato scientificamente, è la digitalizzazione della genetica che viene sopraffatta e non funziona affatto (se non del tutto). Ho dovuto farlo:
1. Ridurre il numero di passi. Per evitare che il conteggio dei passi sia grossolano e per coprire la gamma desiderata, ho reso il conteggio dei passi non lineare. Cambiando il parametro 0.001-0.099, 0.01-0.99, 0.1-9.9, ... Cioè passo con una precisione di circa l'1%.
2. Ridurre il numero di variabili da ottimizzare, e questa è la cosa principale.
2а. Dividi le variabili in gruppi che sono (gruppi) quasi indipendenti e ottimizza separatamente.
2б. Trova le variabili che dipendono da un'altra e collegale. Ho rimosso un paio di variabili in questo modo, dopo un lunghissimo trambusto.
2в. Trova le variabili che possono essere rese costanti al costo di una minuscola diminuzione della redditività. Trovato anche.
3. e restringere la gamma di variabili dopo molte valutazioni.
Finché non ho fatto questi sacrifici, la mia ottimizzazione non era efficace. Si tratta di un'ottimizzazione con troppe variabili. Questo di per sé è sbagliato, ma alcuni esperti evolvono verso la semplificazione piuttosto che la complicazione.
Quando il numero di passaggi è visualizzato scientificamente, è la digitalizzazione genetica che trabocca e funziona completamente male (se funziona affatto).
Cosa intende per 'funziona completamente male'?
Come si può riprodurre la scorrettezza dell'opera?
Quando il numero di passaggi è visualizzato in forma scientifica, è l'overflow della cifra genetica, e non funziona affatto (se non del tutto).
Con me GA funziona in modo inequivocabile, scrivo nel file delle impostazioni EA dei passaggi riusciti, creo il nome del file dall'hash MD5 dei parametri di ottimizzazione di input stessi, cioè durante l'ottimizzazione vedo i file apparire nella cartella Common
Ho solo un problema finora - in qualche tempo GA può iniziare a convergere intorno a un piccolo gruppo di parametri di ottimizzazione - penso che questo sia normale, tutti i GA lavorano in questo modo ed è un problema del loro uso
Ma inequivocabilmente GA funziona e non si blocca - lo vedo nei file aggiunti e nei nomi unici
Cosa vuol dire "non funziona affatto correttamente"?
Come posso riprodurre il malfunzionamento?
Ho scritto su questo molto tempo fa, quando usavo i frame in EA. Non ricordo più il punto esatto, credo di aver iniziato a non avere tutti i fotogrammi in arrivo (con risultati migliori). Cercherò i vecchi post e cercherò di chiarire.
Ma ricordo distintamente che era chiaramente riproducibile nel mio Expert Advisor - non appena il numero di overshoots superava un certo numero e veniva visualizzato in forma scientifica, la mia genetica era rotta. La cosa importante non era solo un grande numero di passi di una variabile, ma anche un grande numero di variabili.