Genetik algoritma ve olası uygulaması - sayfa 3
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
uygun, "Maksimum özel kritere" göre genetik optimizasyon modunda GA test cihazı double OnTester()'dan elde edilen sonucu en üst düzeye çıkaracaktır - her şeyin çalıştığını kontrol etti, ANCAK otomasyonda bir sorun var "GA'yı neşelendirin" başladığında bulunan yerel maksimum etrafında birleşir ve geri kalanının giriş parametreleri için seçenekler arasında sıralanmasını istemez, genel olarak, ince ayarda, OnTester'a () koşullar ekleyerek veya optimizasyon parametrelerini bölerek GA'ya ellerinizle yardım etmeniz gerekir. birkaç aralığa
Bu arada nasıl uygulanır? Ben de aynısını yapmayı düşünmeye başladım.
Bir anlamda, "akıllı" - optimize edilmiş ve belirli bir ortama uyarlanmış mı?
Evet, seçim her zaman bir kritere göre yapılır. Bu arada, gerekirse kriterin kendisi nesiller boyunca değişebilir.
Bir anlamda, "akıllı" - optimize edilmiş ve belirli bir ortama uyarlanmış mı?
Bu arada nasıl uygulanır? Ben de aynısını yapmayı düşünmeye başladım.
bu test cihazı ile ortak bir çalışmadır - önce optimizasyon için tüm parametreleri ayarladık, test cihazının her geçişte yatay çizgiler çizmeye başladığı ana kadar test ettik - bu, GA'nın bir yerel maksimum etrafında birleştiğinin bir işaretidir, ardından GA'nın parametreleri değiştirmeyi durdurduğu optimizasyon sekmesi ve ardından bu parametreleri (GA'nın değiştirmediği) diğer aralıklarla bölerek sonraki optimizasyon çalıştırmalarını gerçekleştirin, ancak genellikle optimizasyon önbelleklerini silerek (kaydederek) test cihazını yeniden başlatmak yeterlidir - GA rastgele değerlerle başlatılır
bu test cihazı ile ortak bir çalışmadır - önce optimizasyon için tüm parametreleri ayarladık, test cihazının her geçişte yatay çizgiler çizmeye başladığı ana kadar test ettik - bu, GA'nın bir yerel maksimum etrafında birleştiğinin bir işaretidir, ardından GA'nın parametreleri değiştirmeyi durdurduğu optimizasyon sekmesi ve ardından bu parametreleri (GA'nın değiştirmediği) diğer aralıklarla bölerek sonraki optimizasyon çalıştırmalarını gerçekleştirin, ancak genellikle optimizasyon önbelleklerini silerek (kaydederek) test cihazını yeniden başlatmak yeterlidir - GA rastgele değerlerle başlatılır
Bana öyle geliyor ki, parametreleri değiştirme adımı yeterince düşükse, GA genel bir maksimuma (yerel olana değil) yakınsamalıdır. Adım çok yüksekse, aralığın değiştirilmesi yardımcı olmaz, çünkü maksimum değer bitişik değerler arasında kayabilir.
Ardından, en düşük adımla tam bir arama yapmak ve ardından en kötü aralıkları filtreleyerek GA yapmak daha kolaydır.
Ardından, en düşük adımla tam bir arama yapmak ve ardından en kötü aralıkları filtreleyerek GA yapmak daha kolaydır.
daha kolay değil, işte EA'm optimize ediliyor:
1.5 yıl boyunca bu EA'nın tek bir testi 1.5-2 saniye sürer, optimize edicide yaklaşık olarak aynı hızlar vardır, tam bir aramanın ne kadar süreceğini tahmin edebilirsiniz ve 20-50 dakika içinde GA zaten sonuçları bulur memnun et beni
daha kolay değil, işte EA'm optimize ediliyor:
1.5 yıl boyunca bu EA'nın tek bir testi 1.5-2 saniye sürer, optimize edicide yaklaşık olarak aynı hızlar vardır, tam bir aramanın ne kadar süreceğini tahmin edebilirsiniz ve 20-50 dakika içinde GA zaten sonuçları bulur memnun et beni
Geçiş sayısı bilimsel olarak gösterildiğinde, genetiğin bu bit derinliği taşar ve hiç çalışmaz (eğer varsa). Yapmak zorundaydım:
1. Adım sayısını azaltın. Adımın pürüzlü olmaması ve istenen aralığı kapsaması için adımı doğrusal olmayan yaptım. 0.001-0.099, 0.01-0.99, 0.1-9.9, ... yani parametreyi değiştiriyorum. yaklaşık %1 doğrulukla adım atın.
2. Optimize edilmiş değişkenlerin sayısını azaltın ve asıl mesele bu.
2a. Değişkenleri (gruplar) neredeyse bağımsız olan ve ayrı ayrı optimize eden gruplara ayırın.
2b. Birbirine bağımlı değişkenleri bulun ve bunları birbirine bağlayın. Çok uzun bir yaygaradan sonra bunun gibi birkaç değişkeni kaldırdım.
2c. Kârlılıkta küçük bir düşüş pahasına sabit hale getirilebilecek değişkenleri bulun. Ayrıca bulundu.
3. Pek çok değerlendirmeden sonra, değişkenler aralığı da istenene kadar daraltılmalıdır.
Bu tür fedakarlıklar yapana kadar optimizasyonum etkili değildi. Her şey çok fazla değişkenle optimizasyonla ilgili. Bu başlı başına yanlıştır, ancak bazı uzmanlar karmaşıklığa değil, basitleştirmeye evrilir.
daha kolay değil, işte EA'm optimize ediliyor:
1.5 yıl boyunca bu EA'nın tek bir testi 1.5-2 saniye sürer, optimize edicide yaklaşık olarak aynı hızlar vardır, tam bir aramanın ne kadar süreceğini tahmin edebilirsiniz ve 20-50 dakika içinde GA zaten sonuçları bulur memnun et beni
Bu bir sistem karmaşıklığı meselesidir. Bunu bence GU ile ilgili konuda tartıştım. Tam bir numaralandırma için 3-5 adımlarını atıyorum. Ekranda 18 parametreniz var, (3-5) ^ 18 \u003d 400M'den 3,8 trilyona kadar, zaten Tanrı tarafından, biraz fazla olsa da, asıl mesele, çok fazla par- hendek, all için tam bir numaralandırma yapmıyorum ve daha sonra GU'yu tanımlayarak-daraltarak GA'da zaten birlikte olan bazı ve grupları düzeltmiyorum.
ve daha ayrıntılı sunuma tamamen katılıyorum
Geçiş sayısı bilimsel olarak gösterildiğinde, genetiğin bu bit derinliği taşar ve hiç çalışmaz (eğer varsa). Yapmak zorundaydım:
1. Adım sayısını azaltın. Adımın pürüzlü olmaması ve istenen aralığı kapsaması için adımı doğrusal olmayan yaptım. 0.001-0.099, 0.01-0.99, 0.1-9.9, ... yani parametreyi değiştiriyorum. yaklaşık %1 doğrulukla adım atın.
2. Optimize edilmiş değişkenlerin sayısını azaltın ve asıl mesele bu.
2a. Değişkenleri neredeyse bağımsız (gruplar) gruplara ayırın ve ayrı ayrı optimize edin.
2b. Birbirine bağımlı değişkenleri bulun ve bunları birbirine bağlayın. Çok uzun bir yaygaradan sonra bunun gibi birkaç değişkeni kaldırdım.
2c. Kârlılıkta küçük bir düşüş pahasına sabit hale getirilebilecek değişkenleri bulun. Ayrıca bulundu.
3. Pek çok değerlendirmeden sonra, değişkenler aralığı da istenene kadar daraltılmalıdır.
Bu tür fedakarlıklar yapana kadar optimizasyonum etkili değildi. Her şey çok fazla değişkenle optimizasyonla ilgili. Bu başlı başına yanlıştır, ancak bazı uzmanlar karmaşıklığa değil, basitleştirmeye doğru evrilir.
Geçiş sayısı bilimsel olarak gösterildiğinde, genetiğin bu bit derinliği taşar ve hiç çalışmaz (eğer varsa).
"Hiç çalışmıyor" ne anlama geliyor?
Hatayı nasıl yeniden oluşturabilirsiniz?
Geçiş sayısı bilimsel olarak gösterildiğinde, genetiğin bu bit derinliği taşar ve hiç çalışmaz (eğer varsa).
GA kesinlikle benim için çalışıyor, EA ayarları dosyasına başarılı geçişler yazıyorum, dosya adını optimizasyon giriş parametrelerinin kendilerinin MD5 karmasından oluşturuyorum, yani. optimize ederken, Ortak klasörde dosyaların göründüğünü görüyorum
sadece bir problem varken - bir süre sonra GA küçük bir optimizasyon parametresi grubu etrafında birleşmeye başlayabilir - bence bu normaldir, tüm GA'lar bu şekilde çalışır ve bu onların kullanım problemidir
ancak GA kesinlikle çalışıyor ve takılmıyor - Eklenen dosyalardan ve benzersiz adlardan görüyorum
"Hiç çalışmıyor" ne anlama geliyor?
Hatayı nasıl yeniden oluşturabilirsiniz?
Bunu uzun zaman önce bir Expert Advisor'da çerçeveler kullandığımda yazmıştım. Özü tam olarak hatırlamıyorum, görünüşe göre tüm kareler bana gelmeye başlamadı (ve en iyi sonuçlar). Eski gönderileri arayacağım ve netleştirmeye çalışacağım.
Ama tam olarak hatırlıyorum, Uzman Danışmanımda açıkça tekrarlanabilirdi - arama sayısı belirli bir sayıyı aştığında ve bilimsel bir şekilde görüntülendiğinde genetiğim bozuldu. Değişkenin yalnızca çok sayıda adıma sahip olması değil, aynı zamanda değişken sayısının da büyük olması önemlidir.