Генети́ческий алгори́тм (англ. ) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. Является разновидностью эволюционных вычислений, с помощью которых...
也就是说，你的话没有任何确凿的证据。
这就更不用说在理论层面上对你的言论进行正常批评的可能性了。
雷纳特，我不是在批评MT测试器的工作方式有什么问题。我是在描述我不得不自己重新发明自行车时遇到的情况。当我看到这种退火方法 与我之前尝试过的大约5种GA变体的区别时，我很高兴，因为这种方法显然在速度和准确性上都胜出。但我大约在1.5-2年前做的，忘记了很多做的内容和方法，我不得不随意做，而且我不急于背诵数学和算法。而现在我只是发现很难把它全部捡起来。而且，仍有一些根本性的差异可以进行比较。再一次，我不是出于批评而写的，而是来自当时让我非常高兴的事情。此外，根据你的算法在测试器中工作的迹象--在我看来，它不是GA，而是一种蒙特卡洛或一些简化的GA，这对于大规模使用来说可能是合理的，用于对结果进行近似估计。
雷纳特，我不是在批评MT测试器的工作方式有什么问题。
你显然抛出了未经证实的说法，并试图给人一种印象，即Metatrader中的GA "没有找到与其他神话般的方法不同的结果"。
你显然提出了未经证实的主张，并试图给人一种印象，即Metatrader中的GA "没有找到与其他神话般的方法不同的结果"。
我并没有立即写下这些言论是无稽之谈，并要求提供证据。意料之中的是，没有。
因此，现在我把我的变体663.552个组合，运行了27秒。我把它放到MT4测试器中，2分钟过去了，测试器仍然考虑并计算610个组合，10496(663552)--写道它可以计算到1:26:25。因此，关于准确性还不可能，因为测试者还不知道会有多少钱。但我知道，用这种退火方法的结果会更好--我之前已经反复检查过了。在写的时候，测试员已经计算出1173次通过0:10:15 - 这已经算10分钟了。
P.S.方法的蛮力部分，以找到最大- 这是9304 - 最佳结果后，优化退火的方法 - 9304。到目前为止，测试器已经固定了3327个组合 - 计23分钟。到目前为止，最好的结果是18559--我说过，目前我很难正确计算，因为我已经考虑了Asks，以及测试器中的平均传播--顺便看一下差异--看看测试器是如何因为缺乏Asks而说谎的。它认为价差扩张上的所有夜间尖峰都是成功的交易，但它们并不存在。
再一次 P.S. 测试员已经完成了0:29:25的最佳结果21460（我写了他为什么撒谎），为了对准确性做出客观的结论，我需要在他的 "测试员 "中禁用Asks，另外还需要对一些数值进行协调。当我写这个算法时，我确保测试者和我的 "测试者 "的结果会完全吻合。然后我对它们进行了比较。退火法的精确度要高得多。
好了，现在我采取并运行了我的变体663.552组合--计27秒。我把它放到MT4测试器中，2分钟过去了，测试器仍在计数，在10496(663552)个组合中，已经计数了610个组合--写明它可以计数到1:26:25。因此，关于准确性还不可能，因为测试者还不知道会有多少钱。但我知道，用这种退火方法的结果会更好--我之前已经反复检查过了。在写的时候，测试员已经计算出1173次通过0:10:15 - 这已经算10分钟了。
证明是提供测试的描述+其公开可重复性。
而你们都在玩 "我有东西，但不到最后一刻我不会进入证明区 "的描述。
证明是提供测试的描述+其公开可重复性。
而你们都在玩 "我有东西，但不到最后一刻我不会进入证明区 "的描述。
除了人为因素外，造成这种情况的原因有几个。首先，在比较任何两个启发式方法时，甚至没有一个双方都同意的明确的正式标准。
然而，"GA是最好的 "这一说法意味着已经做了一些严肃的研究工作，在这些工作中，比较启发式方法的这一标准被制定出来。如果是这样，研究报告的作者在这里提供它（标准本身）也没有任何好处。
很明显，第一句话的证明是有问题的。说到这里，反驳它是一个比较容易的任务：只要找到一个更好的启发式方法。
因此，让我们把反驳的任务正规化。要具体说明你需要提供哪些数据才能使反驳被认为是正确的，不要有大量的注意事项之类的。理论论证是不行的，因为不是每个人都擅长理论。那么，你到底要拿出什么来说服？
以及 "GA是最好的 "的信徒们。你的这一论断有什么依据？哪里有单一的比较研究？
是的，仍然有更多的理论问题。在比较以分析方式给定的目标矩阵函数和以算法方式给定的目标TS函数的启发式方法时，是否存在根本的区别？
还有 "GA是最好的 "的信徒们。你的这一论断有什么依据？哪里有哪怕一个比较研究？
不是 "最好的"。这只是存在的一种，但却给出了相当可接受的结果。
没有人质疑，可能有更精细和更好的算法来寻找最优解。但他们在哪里呢？如果有人想出了更有效的方法--那么雷纳特 是对的--我们需要对算法进行明确的描述。如果这个算法是有价值的，我认为它将被相当认真地对待。(如果作者想从中获利 - 那么他应该直接联系MetaQuotes，而不是通过论坛）。
另外，还是那个问题--有多少用户需要这些奇迹般的算法？在许多情况下，时间的增加或结果的质量会比同样的GA好得多吗？
雷纳特，我为我的窥探感到抱歉，那么在历史数据上的调试情况如何呢？我们大约应该在什么时候期待它？
不是 "最好的"。这只是现有的一种，而且它给出的结果相当可以接受。
没有人质疑，可能有更精细和更好的算法来寻找最优解。但他们在哪里呢？如果有人想出了更有效的方法--那么雷纳特 是对的--我们需要对算法进行明确的描述。如果这个算法是有价值的，我认为它将被相当认真地对待。(如果作者想从中获利 - 那么他应该直接联系MetaQuotes，而不是通过论坛）。
另外，还是那个问题--有多少用户需要这些奇迹般的算法？在许多情况下，时间上的收获或结果的质量会比同样的GA好很多吗？
我认为大多数用户甚至没有听说过GA。因此，奇迹的算法并不需要比任何人更多。
有一种似曾相识的感觉，从未离开过这个论坛。当他们要求证明一些论断时。但同时没有一个被接受，因为根本不清楚要提供什么才能让人信服。这适用于许多事情。例如，论坛的主人第一千次提到，测试者没有轴，这就是为什么它可怕地在晚上躺在传播扩展上。这一点多年来一直是众所周知的。甚至可能有这方面的证据。但是没有人承认这个明显的事实。
连最简单的acs案例都被忽略了，怎么可能证明什么呢？对更复杂的GA的情况该怎么说。另外，在雷纳特的对手中，一直有人类因素以偏执狂的形式介入。各种各样的胡言乱语都被想象出来了。如果有人真的想要他，也许会是这样的。但在这里发表批评意见的人没有任何参与，只是有自己的独立观点。他们真诚地希望看到任何平台变得更好。你可以批评其他平台的解决方案，但这是一个MT论坛。
我支持zaskok。
雷纳特，这不是由我们来证明的，而是由你来证明的。你认为这是最好的解决方案，这是你的平台....。证明一下吧。
试着反驳这位科学家。
对于遗传算法的作用，有很多人持怀疑态度。例如，石溪大学计算机科学教授、著名算法研究专家、IEEE奖得主Stephen S. Schiena写道[16]。
我已经花了很多年时间研究和开发纯粹的实际应用的进化算法。这不是说说而已--我挖掘了不知道多少文献（这些文献是我多年来收集的，我把它们放在免费的地方），写了文章并公布了我开发的源代码。我开发了特殊的测试功能，启动了自己的主题，并积极参与了其他人在这方面的主题。公布训练神经网络的例子等。建议多次--如果有人感兴趣的话，我很想把我的搜索算法与其他人进行比较，但没有人接受我的挑战。我的算法有无数的修改（人们为自己编辑），成千上万的人使用这些算法。
我想说的是，我知道我在说什么。而我要说的是。
1.原生的GA非常好，对于交易员和任何其他领域的知识来说，都足够准确地完成广泛的任务。它被设计为尽可能地易于使用。
2.我的GA甚至更好。:)
是的，很多人都有 "普通的GA有多好？"这样的问题。因此，组织对工作人员的算法和任何其他算法的比较测试将是非常有启发性和启示性的，这些算法的作者想用MQ的创意来尝试他们的手。
比较的标准可以是。
1.你应该进行100次优化测试运行。 最佳算法将是在测试运行中，在给定的运行次数下，最大函数的平均值将高于其他算法的算法。
2.一个积分系统，在该系统中，对以下情况给予积分。1）函数运行的数量（越少越好） 2）搜索精度（100次控制运行的平均值）。3）特殊函数的存在。4）其他。
值得强调的是，寻找平滑测试函数的最优是一回事（基于进化和微积分的函数，如梯度下降和其他函数能很好地应对），而寻找在整个定义区域内不可微调的函数的最优是另一回事，就像专家顾问的优化（不是平滑函数）。为了说明这样的特点，我们可以在一个（平滑的）测试函数中加入噪声，以指定的步骤运行一次完整的搜索，并将结果保存在一个文件中，以后将被研究的算法使用。
那么，有谁愿意不仅胡言乱语，而且还提供他们的算法进行测试和比较分析，以一劳永逸地结束 "哪种算法更好 "的话题？
你不需要打开算法的源代码，只需提供算法的编译核心和嵌套（以消除可能的作弊），这将显示算法的调用和规定的健身函数本身。
特别欢迎那些批评MT的人，做我的客人。
只要包括我在内的3个以上的人想要，我们就可以为测试目的而单独开线。在未来的日子里，要戳穿这个分支的每个人，和那个教授包括，谁 "从来没有看到可接受的结果。
PS。感谢所有直接或间接帮助开发该算法的人。