选择要使用的硬件（计算机）。 - 页 2

新评论
 
Vladimir:

想知道开发商为优化提供了什么。

他们的方法是否应对了沟壑功能？

信用 )))))
 
Alexey Volchanskiy:
为什么要在调试期间进行优化？首先，让它没有错误地工作，通常的测试就可以了。 而云在测试器中不工作，只在优化器中工作。
当然，我说的不是在调试器中的点击。广义上的调试，是对算法的调整。一个没有参数的EA是一个珍贵的梦想，但到目前为止还没有发明这样的东西 )
 
Alexey Volchanskiy:
信用 )))))

我再次重读了关于优化EA的帮助（我自己没有使用，仅限于帮助）。根据它，甚至没有最简单的最快下降法、坐标下降法、蒙特卡洛法。要么是有维度诅咒的蛮力，要么是对我来说未知的遗传算法。这两种实施的方法都是资源密集型的，耗费时间。

我对情况的理解是否正确？

如果是的话，那么为什么在策略测试器上没有任何附加组件来大幅减少运行次数，通过长期研究的方法实施优化；相反，现在的动向是增加所需资源？

 
Vladimir:

我再次重读了关于优化EA的帮助（我自己没有使用，仅限于帮助）。它表明，甚至没有最简单的最快下降法、坐标下降法、蒙特卡洛法。要么是具有维度诅咒的蛮力，要么是对我来说未知的遗传算法。这两种实施的方法都是资源密集型，耗费时间。

我对情况的理解是否正确？

如果是的话，那么为什么没有比策略测试器更多的附加软件来大幅减少运行次数并使用经过测试的方法实施优化？

从技术上讲，你不能做一个插件，没有这样的API。我们只需要编写我们自己的测试器。有一些机会可以分析一下运行的情况。

OnTesterPass()。


遗传算法被广泛使用，如果你不知道，有一些关于它的文章。所有其他问题交给开发商。
 
Vladimir:

我想知道开发商提供的优化方案是什么。

他们的方法是否应对了沟壑功能？

沟渠功能有什么问题？
弗拉基米尔。

我再次重读了关于优化专家顾问的帮助（我自己没有使用，仅限于帮助）。它表明，甚至连最简单的最快下降法、坐标下降法或蒙特卡洛法都没有。 要么是具有维度诅咒的蛮力，要么是对我来说未知的遗传算法。这两种实施的方法都是资源密集型，耗费时间。

我对情况的理解是否正确？

如果是的话，那么你为什么不在策略测试器上找到大幅减少运行次数的插件，通过长期研究的方法实施优化；相反，运动的方向是增加所需资源？

你有例子来证明除遗传算法外的其他算法的优越性吗？而对于复杂的阶梯函数，水平部分很宽，有尖锐的峰值和谷值，如离散数据程序（专家顾问）中的优化函数，到底该如何处理？
 
Vladimir:

我再次重读了关于优化EA的帮助（我自己没有使用，仅限于帮助）。它表明，甚至没有最简单的最快下降法、坐标下降法、蒙特卡洛法。要么是有维度诅咒的蛮力，要么是对我来说未知的遗传算法。这两种实施的方法都是资源密集型，耗费时间。

遗传算法与全面搜索相比，大大减少了运行次数。 如果函数足够平滑，它导致优化速度快得多。如果函数是强烈的 "撕裂"，即使是完整的列举也没有用，"撕裂 "的函数意味着算法的不稳定，找到的 "最优值 "很可能是随机的尖峰，而不是最优点。
 
George Merts:
与完全搜索相比，遗传算法大大减少了运行次数。 如果函数足够平滑，它导致的优化速度要快得多。如果函数是强烈的 "锯齿状"，即使是全面搜索也没有用--"锯齿状 "的函数意味着算法的不稳定性，找到的 "最优值 "可能是随机的离群值，根本不是最优点。
请给出 "最佳点 "和/或 "最佳值 "的定义（你可以自己给出）。
 
Andrey Dik:
请给出 "最佳点 "和/或 "最佳值 "的定义（你可以自己给出）。
这是一组给出最高优化值（平衡、回收或其他）的参数，它是稳定的，即输入参数的微小变化不会导致优化值的巨大变化。如果发生这种情况，就不是最佳值，而只是一个随机的函数离群值。
 
George Merts:
这是一组能给出最高优化值（平衡、回收或其他）的参数，它是稳定的，也就是说，输入参数的微小变化不会导致优化值的巨大变化。如果发生这种情况，就不是最佳值，而只是一个随机的函数离群值。
在那里，这正是我所期待的答案，因为不可能有其他的、与你的上一篇文章有逻辑联系的答案。

而我要求强调的是这一矛盾。想一想，试着把它联系起来。如果你做不到，我会帮助你。关键是，你的帖子是一个普遍存在的误解的例子。
 
Andrey Dik:
如果这不起作用，我就会帮忙。关键是，你的帖子是一个普遍存在的误解的例子。
那我在哪里有矛盾和误解呢？为什么要用谜语说话（让我们用谜语说话？）如果你有具体的反对意见，请继续发表你的想法，我们将讨论它。
123456789...14
新评论