Все (пока нет) о Стратегический тестировщик, Оптимизация и Облако - страница 13
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Алгоритмы популяционной оптимизации: Алгоритм имитированного отжига (SA). Часть I
Алгоритмы популяционной оптимизации: Алгоритм имитированного изотропного отжига (SIA). Часть II
Алгоритмы оптимизации популяций: Изменение формы, переключение распределений вероятностей и тестирование на Smart Cephalopod (SC)
Алгоритмы популяционной оптимизации: Эволюционные стратегии, (μ,λ)-ES и (μ+λ)-ES
Название "Эволюционные стратегии" может ввести в заблуждение, поскольку исследователи могут подумать, что это общее название для класса эволюционных алгоритмов. Однако это не так. На самом деле это особая группа алгоритмов, использующих идеи эволюции для решения задач оптимизации.
Содержание
1. Введение
2. Алгоритм
3. Замена тестовой функции
4. Результаты тестирования
5. Выводы
Алгоритмы популяционной оптимизации: Bacterial Foraging Optimization - Genetic Algorithm (BFO-GA)
Гибридный алгоритм оптимизации BFO-GA сочетает в себе два различных алгоритма оптимизации: алгоритм кормовой оптимизации (BFO) и генетический алгоритм (GA). Этот гибридный алгоритм был создан для повышения эффективности оптимизации и преодоления некоторых недостатков каждого из отдельных алгоритмов.
BFO (Bacterial Foraging Optimization) - это алгоритм оптимизации, вдохновленный кормовым поведением бактерий. Он был предложен в 2002 году Рахулом К. Куджуром. BFO моделирует движение бактерий с помощью трех основных механизмов: переходов, диффузии и обновления позиции. Каждая бактерия в алгоритме представляет собой решение задачи оптимизации, а пища соответствует оптимальному решению. Бактерии перемещаются в пространстве поиска, чтобы найти оптимальную пищу.
Генетический алгоритм (ГА) - это алгоритм оптимизации, основанный на принципах естественного отбора и генетики. Он был разработан Джоном Холландом в 1970-х годах. ГА работает с популяцией особей, представляющих собой решения оптимизационной задачи. Особи подвергаются операциям скрещивания (объединение генетической информации) и мутации (случайные изменения генетической информации) для создания новых поколений. После нескольких поколений ГА стремится найти оптимальное решение.
Алгоритмы оптимизации популяций: Микроискусственная иммунная система (Микро-ИС)
Иммунная система - это удивительный механизм, который играет важную роль в защите нашего организма от внешних угроз. Словно невидимый щит, она борется с бактериями, вирусами и грибками, сохраняя наше тело здоровым. Но что, если бы мы могли использовать этот мощный механизм для решения сложных задач оптимизации и обучения? Именно такой подход используется в методе оптимизации Artificial Immune System (AIS).
Метод оптимизации с помощью искусственной иммунной системы (AIS) был предложен в 1990-х годах. Ранние исследования этого метода относятся к середине 1980-х годов, значительный вклад в них внесли Фармер, Паккард, Перельсон (1986) и Берсини и Варела (1990).
Общая оптимизационная формула (GOF) для реализации пользовательского максимума с ограничениями
В общем случае существует два основных типа алгоритмов оптимизации. Первый тип - более классический, основанный на вычислении градиентов всех функций, участвующих в задаче оптимизации (он восходит к временам Исаака Ньютона). Второй тип - более современный (с ~1970-х годов), который вообще не использует информацию о градиентах. Между ними могут существовать алгоритмы, сочетающие два упомянутых подхода, но здесь их рассматривать не нужно. Алгоритм MetaTrader 5 под названием "Fast Genetic based Algorithm" --- на вкладке "Настройки терминала MetaTrader 5" --- относится ко второму типу. Он позволяет обойтись без вычисления градиентов для функций цели и ограничений. Более того, благодаря безградиентному характеру алгоритма MetaTrader 5 мы смогли учесть функции ограничений, которые не были бы уместны в градиентных алгоритмах. Подробнее об этом будет рассказано ниже.
Важным моментом является то, что алгоритм MetaTrader 5 под названием "Медленный полный алгоритм" на самом деле является не алгоритмом оптимизации, а грубой, исчерпывающей оценкой всех возможных комбинаций значений для всех входных переменных в рамках боковых ограничений.
Алгоритмы оптимизации популяций: Эволюция социальных групп (ESG)
Алгоритмы оптимизации популяций: Искусственные мультисоциальные объекты поиска (MSO)
В предыдущей статье мы рассматривали эволюцию социальных групп, когда они свободно перемещаются в пространстве поиска. Однако здесь я предлагаю изменить эту концепцию и предположить, что группы перемещаются между секторами, перескакивая из одного в другой. У всех групп есть свои центры, которые обновляются на каждой итерации алгоритма. Кроме того, мы вводим понятие памяти как для группы в целом, так и для каждой отдельной частицы в ней. Благодаря этим изменениям наш алгоритм теперь позволяет группам перемещаться из сектора в сектор на основе информации о наилучших решениях.
В этой статье мы проведем серию экспериментов, чтобы выяснить, как эти новые концепции влияют на эффективность поиска алгоритма. Мы проанализируем взаимодействие между группами, их способность к сотрудничеству и координации, а также их способность к обучению и адаптации. Наши выводы могут пролить свет на эволюцию социальных систем и помочь лучше понять, как группы формируются, развиваются и адаптируются к изменяющимся условиям среды.Использование алгоритмов оптимизации для настройки параметров советника на лету