В алгоритмическом трейдинге при создании механических торговых систем (МТС) очень важен вопрос времени жизни торговых алгоритмов. Да, и найти их в принципе достаточно сложно. В условиях постоянно меняющегося рынка рано или поздно наступает момент, когда даже самый совершенный и прибыльный алгоритм начинает приносить убытки. И его нужно, что...
2015.04.22 19:44:18 Tester 遗传模式由于567869252041次而开启，为了使用完整的算法，减少优化参数的数量。
我需要充分的蛮力，该怎么做？
567亿次，即使你计算每100毫秒的通过，也是560亿秒。
你确定你要等648000天（1775年），还是听从建议转为遗传学？有了遗传学，你会在20,000次传球中射门，你就会很高兴。
雷纳特，你说的数据源是指点或条，也就是说，测试器将在真实（记录的点）上工作，而不是生成（模拟的）点？
是否可以自行记录刻度线和条形图，或从其他来源下载，然后使用它们进行测试？
既有蜱虫的管理，也有酒吧和眼镜的管理。
当然，如果特定的数据源支持它的话。
567亿次，即使你每100毫秒计算一次，你仍然得到560亿秒。
你确定你要等648000天（1775年），还是要接受建议，转为遗传学？在遗传学上，你将在20000次传球中射门，你会很高兴。
这是一个硬件问题还是一个平台问题？
更像是你令人敬畏的头脑。你不能关闭你的大脑，与过程中的物理意义断开联系。
为了突破物理界限，启发式方法被发明出来，将计算组合爆炸结果的复杂性降低了许多个数量级。一个非常有效的方法是对搜索/寻找工作区域的一组可修改参数进行遗传建模。
终端故意建议改用遗传学，因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
你的这一特殊任务，分散在各代理机构，将需要极多的财政资源。
很可能即使是你的几代人的后代也无法还清。
所以宁可学习如何使用计算器。这毕竟是一项原始的任务。
更像是你令人敬畏的头脑。你不能关闭你的大脑，与过程中的物理意义断开联系。
为了突破物理界限，人们发明了启发式方法，将计算组合爆炸结果的复杂性降低了许多个数量级。一个非常有效的方法是对搜索/寻找工作区域的一组可修改参数进行遗传建模。
终端故意建议改用遗传学，因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
很好，你已经开始怀疑什么了。
我建议大家阅读文档和相关文章--这将帮助你了解事情的工作原理并回答数百个问题。
这是一个硬件问题还是一个平台问题？ 这个计算是针对什么硬件？
当有太多的变量需要优化时，很有可能会出现与历史相适应的情况。
随着变量的增加，优化时间也会成倍增长，而且无法摆脱。
有一个办法可以解决这个问题，一个超级强大的计算机，有房子那么大)
Renat:
正是为了突破物理边界，启发式方法被设计出来，将计算组合爆炸结果的复杂性降低了许多数量级。一个非常有效的方法是对一组可修改的参数进行遗传建模，以寻找/发现可行的领域。
终端故意建议改用遗传学，因为它意识到在物理上没有机会通过钝性的蛮力取得结果。
有一些启发式的方法 最适合优化交易系统。它们正是为此目的而定制的，与通用的GA不同。告诉我，是否有可能用你自己用MQL5编写的启发式方法取代测试器中唯一的启发式方法？如果我们要在输入数据的定制方面大幅改进测试器，那么定制优化方法（定制优化标准早就有了）以使其具有最佳性能是合理的。
请注意这个关于测试器和优化器加速的主题。除了提案之外，那里还有一个可行性的技术例子。