RL algorithms - Bibliothek für den MetaTrader 5

Die Idee und der einfachste Algorithmus sind im Artikel "Random Decision Forest und Reinforcement-Learning" enthalten.

Die Bibliothek verfügt über erweiterte Funktionen, mit denen Sie eine unbegrenzte Anzahl von "Agenten" erstellen können.

Zusätzlich werden Variationen der "Arguments group accounting method" verwendet.

Nutzung der Bibliothek:

#include <RL gmdh.mqh>
CRLAgents *ag1=new CRLAgents("RlExp1iter",1,100,50,regularize,learn); //erstellt 1 RL Agenten für 100 Eingaben (Prädiktorwerte) und 50 Bäume

Ein Beispiel der Zuweisung vom normalisierten Schlusskursen den Eingabewerten:

void calcSignal()
  {
   sig1=0;
   double arr[];
   CopyClose(NULL,0,1,10000,arr);
   ArraySetAsSeries(arr,true);
   normalizeArrays(arr);
   for(int i=0;i<ArraySize(ag1.agent);i++)
     {   
      ArrayCopy(ag1.agent[i].inpVector,arr,0,0,ArraySize(ag1.agent[i].inpVector));
     }
   sig1=ag1.getTradeSignal();
  }

Das Training geschieht im Tester in einem Durchlauf mit dem Parameter learn=true. Nach dem Training muss er auf false gesetzt werden.

Demonstration des Trainings "RL gmdh trader" EA, der mit den Trainings- und Teststichprobe arbeitet.