Тестер: Генетические алгоритмы - математический аппарат

Новый комментарий
 

New article Генетические алгоритмы - математический аппарат has been published:

Генетические алгоритмы предназначены для решения задач оптимизации. Примером подобной задачи может служить обучение нейросети, то есть подбора таких значений весов, при которых достигается минимальная ошибка. При этом в основе генетического алгоритма лежит метод случайного поиска.

Основным недостатком случайного поиска является то, что нам неизвестно сколько понадобится времени для решения задачи. Для того чтобы избежать существенных расходов времени, применяются методы, созданные биологической наукой, а именно - методы, разработанные при изучении происхождения видов и эволюции. Как известно, в процессе эволюции выживают наиболее приспособленные особи. Это приводит к тому, что возрастает приспособленность популяции, позволяя ей лучше выживать в изменяющихся условиях.

Впервые подобный алгоритм был предложен в 1975 году Джоном Холландом (John Holland) в Мичиганском университете. Он получил название «репродуктивный план Холланда» и лег в основу практически всех вариантов генетических алгоритмов. Однако, перед тем как мы его рассмотрим подробнее, необходимо остановится на том, каким образом объекты реального мира могут быть закодированы для использования в генетических алгоритмах.

Author: MetaQuotes Software Corp.

 

Хочу спросить, какой принцип отбора новых особей в популяции использует конкретный ГА, реализованный в MetaTrader 4? Они отбираются с вероятностью, пропорциональной абсолютной величине оценки, или просто с наибольшим значением оценки? И выполняет ли сам тестер какую-то нормализацию оценок?

Иногда пользовательские оценки имеют нелинейное, экспоненциальное или логарифмическое распределение. Если тестер стратегий учитывает их величину, в советнике необходима пост-обработка значений оценок перед отдачей тестеру.

Новый комментарий