記事を全く読んでないから、この「解約」に言及してるんだろうけど。しかし、記事では少しも使われていない。"Haven't read it, but I condemn it" - 経験を読めないんでしょう？具体的には、GAが収束的な（ランダムではない）局所極値を見つけられないことに納得がいきません。そのため、TCの最適化に適しているかどうかは、はっきり言って疑問です。これだけ多くのヒューリスティックアルゴリズムが発明されたのには理由があります。また、最適なヒューリスティック・アルゴリズムも存在しない。それぞれのタスクに最適な1本がある。ですから、この非常にTCな最適化タスクに対するGAは、残念ながらベストとは程遠いものです。その論拠は記事中に示されているので、私の言いたいことを理解したい人はご覧ください。
記事を全く読んでないから、この「解約」に言及してるんだろうけど。しかし、記事では微塵も使われていない。"Haven't read it, but I condemn it" - 経験を読めないんでしょう？具体的には、GAが収束的な（ランダムではない）局所極値を見つけられないことに納得がいきません。そのため、TCの最適化に適しているかどうかは、はっきり言って疑問です。これだけ多くのヒューリスティックアルゴリズムが発明されたのには理由があります。また、最適なヒューリスティック・アルゴリズムも存在しない。それぞれのタスクに最適な1本がある。ですから、この非常にTCな最適化タスクに対するGAは、残念ながらベストとは程遠いものです。その論拠は記事中に示されているので、理解したい方はご覧ください。
遺伝学では、もちろんこのような領域も見えています。もしオーバーシュートしても、そこで分析のためのパラメータを拡張します。遺伝学では、80%の確率でこの点を見逃すことになります
そして、左側には調査が必要なボーダーがあり、これは遺伝子が表示されていません
遺伝学ではこういうところももちろん目立つのですが、やはりそこは解析のパラメーターを広げて、遺伝学では80％の確率でこの点を見落とします。
トレーディングシステムのテストにおける遺伝的アルゴリズムは、終着点ではなく、より詳細な研究の方向性を見出すための手法である。
アルゴリズムは通常次のようになる。
もし誰かが、遺伝的最適化装置やその他のおとぎ話のような最適化装置がすぐに明確な結果を出すはずだと考えているとしたら、それはその人がプロセスを全く理解していないことを意味します。
0.01刻みで
トレーディングシステムのテストにおける遺伝的アルゴリズムは、終着点ではなく、より詳細な研究のための方向性を模索するための方法です。
動作のアルゴリズムは、通常以下の通りです。
もし、遺伝的オプティマイザーやその他のおとぎ話のようなオプティマイザーがすぐにきれいな結果を出してくれるはずだと考える人がいたら、それはそのプロセスをまったく理解していないことを意味します。
遺伝学は、巨大な範囲の中から最も有望な分野を選び、それを探索することができるのだと、あなたの助けを借りて理解しました。
2つの疑問が残ります。
1) なぜ、遺伝的アルゴリズムが N 個の変種を条件として優先的に起動されるのですか？
2) 数値計算モードで作業しているとき、端末は何をダウンロードしていますか？ ここで素敵な画像を生成している間、端末はすでに40メートルをダウンロードしています。
ティック、バー、タンブラーコントロールも可能です。
もちろん、特定のデータフィードがそれをサポートしていればの話ですが。
ジェネリックを転がす :-)
遺伝学は、巨大な範囲の中から最も有望な領域を選択することができるのです。
2つの疑問が残ります。
1) なぜ、遺伝的アルゴリズムが N 個の変種を条件として優先的に起動されるのですか？
なぜなら、境界を越えて完全な列挙をするのは物理的に意味がないからです。32ビットプラットフォームでは1,000,000パス、64ビットプラットフォームでは100,000,000パスとなります。
そんなに難しいことなのでしょうか？まあ、100 000 000秒待つことはないでしょうけど。あなたはしないし、これからもしないでしょう。
2) 数値計算モードで作業する場合、端末は何をダウンロードしますか？ 素敵な画像を生成している間、端末はすでに40メートルダウンロードしていますが、Strategy TesterでExpert Advisorを使用してもそれほどダウンロードされません。
関数 Z = cos(1.5*x)*cos(1.5*x) + sin(2.25*y) + cos(3*x*y); X と Y は -3 から +3 である。
MT5でその最大値を見つける方法も気になるところです。
メソッドについては、アイデアはhubraの記事から、実装はmatlabとC#で行いました。
問題は、著者に実務経験がないため、証明をするのが難しいことです。長年やっているMetaTraderの開発者たちとは違います。
花崗岩の中へ!それはあなたのキャッチフレーズであり、それに対して動く意味はない、ただこの無意味さについて私は一度に述べた。証拠など必要ない、自分が正しいという疑いすらない。ティックデータやカスタムフィードの登場は、N年前から問い合わせがあり、実現可能性を証明していたのに、皆さんから見ると、御影石のフレーズに響かないのではないでしょうか？自分らしく経験する!
残念ながら、あなたは既知の基本的な理論的ポイントを引用しただけです。
そして、「GAのどこが嫌いか」という具体的な質問をしました。あなたにとって解決すべき領域が見つからないのですか」。もちろん、他の方法と比較して悪いわけではありません。そして、アニールよりも局所的な穴から脱出することができます。しかし、最も重要なことは、あなたの問題を効率的に解決することです。
記事を全く読んでないから、この「解約」に言及してるんだろうけど。しかし、記事では少しも使われていない。"Haven't read it, but I condemn it" - 経験を読めないんでしょう？具体的には、GAが収束的な（ランダムではない）局所極値を見つけられないことに納得がいきません。そのため、TCの最適化に適しているかどうかは、はっきり言って疑問です。これだけ多くのヒューリスティックアルゴリズムが発明されたのには理由があります。また、最適なヒューリスティック・アルゴリズムも存在しない。それぞれのタスクに最適な1本がある。ですから、この非常にTCな最適化タスクに対するGAは、残念ながらベストとは程遠いものです。その論拠は記事中に示されているので、私の言いたいことを理解したい人はご覧ください。
なぜなら、端から完全にオーバーランをするのは物理的に意味がないからです。32ビットプラットフォームでは100,000,000パス、64ビットプラットフォームでは1,000,000,000パスです。
そんなに難しいことなのでしょうか？まあ、1,000,000,000秒は絶対に待てないでしょう。決してそうではないでしょう。
ローカルエージェントと端末間のトラフィックです。ネットワークトラフィックとして表示され、実際にはネットワークトラフィックである（たとえlocalhost内であっても）。わかりました、降参です :-)
最後に、純粋な好奇心ですが、リモートエージェントサービスの既存のネットワークをすべて活用した場合、1,000,000,000パスはいくらかかるのでしょうか？ しばらくリモートエージェントを使用していないので、価格はわかりません。
また、リモートエージェントのネットワーク全体が1,000,000,000回のパスを行うのに、少なくともおおよそどれくらいの時間がかかるのでしょうか。
そう、私抜きで結果が掲載されたのです。この記事で紹介されているアルゴリズムでは、局所極値をほぼ即座に、しかも標準的なGAよりもはるかに高い品質で見つけることができることがよくわかります。
いいえ、そんなことはありません。
XとYは-3から+3までで、Z = cos(1.5*x)*cos(1.5*x) + sin(2.25*y) + cos(3*x*y); という単純な関数ではないのです。
それだけでなく、その記事の 著者は実際に巨大な自転車を作ったのですが（もちろん独学でも良いのですが）、どうやら自分のタスクのために検索最適化を研ぎ澄ませた ようなのです。この最適化により、他の作業で問題（計算量の増加）が発生する可能性が高いです。
また、ヒューリスティック・モードでは、フル・オーバーシュートと比較して、実際に何回パスが行われたかという重要な指標も省かれています。例えば、上記のMT5の例では、遺伝で8,700、ブルートフォースで361,201を得ました。筆者自身のヒューリスティック最適化されたバリアントは、実際には結果を完成させるためにもっと多くのパスを費やしていたのではないかという疑いがある。
どんな戦略でも秒単位の期限を守ることは稀なので、パスの回数は非常に重要である。10,000パスのGAと30,000パスのGAでは、20,000パス*を余分に待つことになり、非常に長くなります。私たちのGAは、特に最速の誤算が発生するように最適化されています。通常、検索フィールドの総サイズにかかわらず、10,000～12,000パス分あれば十分です。つまり、どんな深さの検索でも、おおよそ1万パスで行うことができるのだ。ここからは、手にした頭で、より正確に探っていきます。
ちなみにMetaTrader 5では、作者は何ヶ月もかけて独自のエンジンを書く必要はなく、ボタンを押せばすぐに結果を得ることができるのです。そして、2D/3Dでは、異なる投影で回転させることができます。
花崗岩の中へ!それがあなたのキャッチフレーズです、それに逆らっても意味がない、それが私がすぐに作った無意味なことなのです。証拠はいらない、自分が正しいと信じて疑わない。ティックデータやカスタムフィードの登場は、N年前から問い合わせがあり、実現可能性を証明していたのに、皆さんから見ると、御影石のフレーズに響かないのではないでしょうか。自分らしく経験する!
私の作品は、誰の目にも触れることができます。あなたのは、残念ながら見えません。
MT4/MT5の遺伝子エンジンが私を追い抜いたと思ったら大間違いです。
記事を全く読んでないから、この「解約」に言及してるんだろうけど。しかし、記事では微塵も使われていない。"Haven't read it, but I condemn it" - 経験を読めないんでしょう？具体的には、GAが収束的な（ランダムではない）局所極値を見つけられないことに納得がいきません。そのため、TCの最適化に適しているかどうかは、はっきり言って疑問です。これだけ多くのヒューリスティックアルゴリズムが発明されたのには理由があります。また、最適なヒューリスティック・アルゴリズムも存在しない。それぞれのタスクに最適な1本がある。ですから、この非常にTCな最適化タスクに対するGAは、残念ながらベストとは程遠いものです。その論拠は記事中に示されているので、理解したい方はご覧ください。
その都度、「モンテカルロ法、アニーリングなど」と法的に正確な表現で書かなければならないのでしょうか？
このフレーズは、上で一度書きました。そして、「ヒューリスティック手法」を一般化し、通常の遺伝的アルゴリズムでも、独自の基準で遊んでエンジンを刺激し、計算を続けることで別の手法に変えられることを指摘したのです。
記事中の議論はあくまで一般的なものである。しかし、あるストラテジー（スクリーンショットを見てください）と全く同じ方法で作成したスツールは、MT5 + MQL5がそうであるように、普遍的な計算プラットフォームに移行する際にスケーリングの問題があるに違いないことを示しています。
そうですね、プログラマーが行ったことを示す記事としては良いですね。しかし、実用面では、また別の初心者が発明した最高の万能自転車というわけではありません。