Genetik algoritma ve olası uygulaması - sayfa 5
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
1. Bu çok fazla, grafik ölçeklendi, böylece faydalı sonuçları göremiyorsunuz. En kötü Custom'dan biraz daha büyük bir değer döndürüyorum. Ana şey, iyileştirme için doğru yönü belirlemektir.
2. Ne anlamı var? Ana şey doğru yöndür, yani GA'ya burada sadece zayıf olanı değil en kötü sonucu gösterdiğini göstermeniz gerekir.
1. Bu, standart optimize ediciyi görüntülemenin bir dezavantajıdır, ancak gerçekte daha iyi bir sonuç elde etmek için bir araştırma aracının (bu durumda, MT optimize edicinin) eksikliğinin dikkate alınması gerektiği anlamına gelmez. aslında, doğru yaklaşımla, optimizasyon sonuçlarını kendiniz görselleştirmeniz gerekir, çünkü MT optimizer gerçekten neye ihtiyacınız olduğunu bilmiyor. Şu anda optimizasyon tablosunda (ve grafikte) sonuçlar ekranında filtreleme aracı yok, bir gün uygulanacağını düşünüyorum.
2. Hayır, asıl mesele sadece sonucun "kötü" olduğunu göstermek değil, sonucun "çok kötü" olduğunu da göstermeniz gerekiyor, bu AO için çok önemli.
Bunun hakkında forumda bir yere yazıp yazmadığımı hatırlamıyorum ama bu gerçekten bir sorun ve MT'de neden bu kadar uygulandığı açık değil. Teoride, EA "geçersiz parametreler" hata kodunu döndürdüyse, popülasyonun tamamlanması için test cihazının karşılığında başka bir örnek oluşturması gerekir.
Kesinlikle katılıyorum.
Belki gelecek nesiller için (ilk hariç), böyle bir aldatmaca işe yaramaz (GA uzmanları için bir soru), ancak ilk örnek için (hala rastgele), bir rastgele kümeyi (yanlış girdilerle) bir başkasıyla değiştirmek işe yarar. zarar yok. Ve gelecek nesillerde yanlış parametrelerle karşılaşma olasılığı çok daha az olacaktır. Yapmamaları garip...
Söyleyin bana, değişken sayıda parametre için herhangi bir GA geliştirmesi var mı?
Yazılım uygulaması bir sorun değildir. MT'de özdeş çift kümeleri "çaprazlanır". Bir "mutasyon" uygulayabilirsiniz, ardından isteğe bağlı kümeler olabilir.
Kesinlikle katılıyorum.
Belki gelecek nesiller için (ilk hariç), böyle bir aldatmaca işe yaramaz (GA uzmanları için bir soru), ancak ilk örnek için (hala rastgele), bir rastgele kümeyi (yanlış girdilerle) bir başkasıyla değiştirmek işe yaramaz. acıtmak. Ve gelecek nesillerde yanlış parametrelerle karşılaşma olasılığı çok daha az olacaktır. Yapmamaları garip...
Hiçbir engel yoktur, bir nesil her zaman olası çift kombinasyonlarından oluşan bir havuzdan bir seçimdir, ancak havuz yeterli değilse, ancak o zaman bile bir şey bulabilirsin, örneğin klonlar.
Hiçbir engel yoktur, bir nesil her zaman olası çift kombinasyonlarından oluşan bir havuzdan bir seçimdir, ancak havuz yeterli değilse, ancak o zaman bile bir şey bulabilirsin, örneğin klonlar.
O zaman neden yapmıyorlar? aptallar değil
Kesinlikle katılıyorum.
Belki gelecek nesiller için (ilk hariç), böyle bir aldatmaca işe yaramaz (GA uzmanları için bir soru), ancak ilk örnek için (hala rastgele), bir rastgele kümeyi (yanlış girdilerle) bir başkasıyla değiştirmek işe yarar. zarar yok. Ve gelecek nesillerde yanlış parametrelerle karşılaşma olasılığı çok daha az olacaktır. Yapmamaları garip...
İyi bir kayda göre, parametrelerin yanlış bir versiyonu optimize edici tarafından göz ardı edilmeli ve popülasyonun her zaman dolu olması için bunun yerine başka bir birey oluşturulmalıdır. Yetersiz sayıda olası seçenekle, popülasyondaki bir bireyin sıralamasıyla orantılı bir olasılıkla alınan kopyalar kabul edilebilir.
Söyleyin bana, değişken sayıda parametre için herhangi bir GA geliştirmesi var mı?
Öyle düşünmüyorum. GA konseptine dayalı olarak, aynı yapılar farklı parametre değerlerine sahip aynı sistemin klonları arasında çiftleşebilir. Aynı çevredeki farklı bireyler de Doğa'da çiftleşemezler. Bu doğal biyolojik sınırlama, ekosistem için anlamsız olan gülünç, yaşayamayan ucubelerin ortaya çıkmasını engeller. Bu tür "deneyler" her zaman başarısızlıkla sonuçlanır ve yalnızca laboratuvar araştırmaları için uygundur. GA biyolojiyi taklit eder ve bu nedenle çaprazlama, kalıtım ve seçilim ilkelerinden sapmaz.
Teorik açıdan soru çok ilginç. Evrim, yalnızca koşullara "uyum" sürecinde canlıların "optimize edilmiş" varyantlarını değil, aynı zamanda temelde yeni türler de yaratır. Türler arası geçiş imkansızsa nereden geliyorlar? Bu, doğal mutasyonların bir sonucu olarak ortaya çıktıkları anlamına gelir. Ancak - mutasyon, yenilerinin kazanılması değil, mevcut genlerde bir değişikliktir. Yani, - küme artırılamaz ve "kalibrasyon" yalnızca canlı türleri uyarlar (optimize eder). Yeni ve daha karmaşık yaratıklar nereden geliyor?
Parametreleri rastgele sistemlere rastgele "döküm" için bir algoritma yapsak ve ayrıca bunlar için rastgele bir optimizasyon hedefi (uygunluk fonksiyonu) bulsak bile, bu bize ne verebilir?
Söyleyin bana, değişken sayıda parametre için herhangi bir GA geliştirmesi var mı?
orada.
pratik uygulama oldukça kapsamlıdır - genetik programlamadan, gücün en üst düzeye çıkarılmasını ve hacmin en aza indirilmesini hesaba katarak vücutların şeklini ve hacmini hesaplamaya kadar.
orada.