Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Umformen, Verschieben von Wahrscheinlichkeitsverteilungen und der Test auf Smart Cephalopod (SC)" - Seite 2
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Danke!
In Artikeln versuche ich, wenn möglich, die grundlegende Bedeutung von Strategien zu vermitteln (die nicht für allgemeine Probleme entwickelt wurden - ich muss zum Beispiel die Strategien, die ursprünglich für das Travelling-Salesman-Problem entwickelt wurden, ernsthaft überarbeiten).
Die Kombination aus der Strategie und der verwendeten Verteilung ist sehr wichtig; einige Strategien sind für bestimmte Verteilungen besser geeignet als andere.
Dank dieser Artikelserie wurde klar, dass die Ergebnisse nicht nur von der Suchstrategie, sondern auch von den Werten der Eingabeparameter stark abweichen können. Plus Verteilungen einstellen.
Wie man die optimale Verteilung für seine Aufgabe findet, ist nicht ganz klar. Denn man muss das optimieren, was optimiert werden soll.
Für die Tests habe ich absichtlich drei Testfunktionen mit völlig unterschiedlichen Eigenschaften gewählt, um eine möglichst große Bandbreite an hypothetischen Aufgaben abzudecken. Ich habe die Algorithmuseinstellungen sorgfältig gewählt, um ein möglichst gutes Gesamtergebnis zu erzielen. Das heißt, es ist natürlich möglich, Einstellungen zu wählen, die bei einer Testfunktion zu besseren Ergebnissen führen, aber dann sinken die Ergebnisse bei anderen Funktionen und die Gesamtpunktzahl sinkt ebenfalls. Deshalb können Sie getrost die Standardeinstellungen der Algorithmen verwenden, die ich festgelegt habe, denn sie sind für jeden Algorithmus die besten.
Am Anfang habe ich übrigens die Algorithmuseinstellungen mit einem anderen Algorithmus optimiert, dann habe ich mit der Zeit gelernt, die besten Parameter manuell auszuwählen. Die Tabelle ist ein überschaubarer Freush, der alles aus den Algorithmen herausgeholt hat. Aber es bleibt natürlich immer ein Kuchen übrig, der ausgepresst werden kann, wenn man will.
Bitte zeigen Sie mir, wie ich die Qualität von MT5 GA anhand von Testfunktionen messen kann.
Die Standard-GA ist unglaublich cool, aber sie hat Nachteile - die Länge des Chromosoms ist begrenzt, daher die Begrenzung der Schrittweite und der Anzahl der Parameter (die Schrittweite und die Anzahl der Parameter stehen in umgekehrter Beziehung zueinander, wenn Sie einen erhöhen, verringert sich der andere).
Aus diesem Grund ist es schwer mit dem Standard-GA zu vergleichen, es erfüllt seine Aufgabe perfekt. Und wenn Sie ausgefeilte Perversionen brauchen - es gibt eine Reihe von Artikeln zu diesem Thema.)))
Das eine kommt dem anderen nicht in die Quere, denn in beiden Fällen wird unser Favorit MQL5 verwendet.
в реальных задачах существует неопределенность и случайность и именно здесь распределения вероятностей вступают в игру. Они позволяют учесть случайность и неопределенность в оптимизационных задачах.
Wahrscheinlichkeitsverteilungen werden auch in Evolutions- und Populationsalgorithmen aktiv genutzt. Bei diesen Algorithmen wird die zufällige Erzeugung neuer Zustände im Suchraum durch geeignete Wahrscheinlichkeitsverteilungen modelliert. Auf diese Weise kann der Parameterraum erkundet und optimale Lösungen gefunden werden, wobei die Zufälligkeit und die Vielfalt in der Population berücksichtigt werden.
Anspruchsvollere Optimierungsmethoden verwenden Wahrscheinlichkeitsverteilungen, um Unsicherheiten zu modellieren und komplexe Funktionen zu approximieren. Sie sind in der Lage, den Parameterraum effizient zu erforschen und angesichts der Zufälligkeit und des Rauschens in den Daten optimale Lösungen zu finden.
Ich habe versucht zu verstehen, wie man auf die Idee kommt, die gleichmäßige Wahrscheinlichkeit durch andere Wahrscheinlichkeiten zu ersetzen, indem man mehr Verzerrungen hinzufügt.
Verstehe ich das richtig, dass Sie bei einer komplexen Optimierungsmethode auf die Verwendung ungleichmäßiger Wahrscheinlichkeiten gestoßen sind und dann beschlossen haben, diese zu verallgemeinern und zu untersuchen?
Wie sind Sie auf die Verzerrung gekommen?
Mir ist klar, dass das nicht zufällig passiert ist, und ich spüre vieles intuitiv. Es ist nur so, dass mein Verständnis weit davon entfernt ist, um es gelinde auszudrücken. Jetzt wirkt es wie eine Art Magie. Mir ist klar, dass ich mit meinen derzeitigen Vorstellungen nicht einmal zufällig zu einer solchen Variante gekommen wäre.
Verstehe ich das richtig, dass Sie bei einer komplexen Optimierungsmethode auf die Verwendung ungleichmäßiger Wahrscheinlichkeiten gestoßen sind und dann beschlossen haben, diese zu verallgemeinern und zu untersuchen?
Wie sind Sie auf die Verzerrung gekommen?
Mir ist klar, dass das nicht zufällig passiert ist, und ich spüre viele Dinge intuitiv. Es ist nur so, dass mein Verständnis weit davon entfernt ist, um es gelinde auszudrücken. Jetzt sieht es wie eine Art Magie aus. Mir ist klar, dass ich mit meinen derzeitigen Vorstellungen nicht einmal zufällig zu einer solchen Variante gekommen wäre.
Die Idee, andere als gleichmäßige Verteilungen zu verwenden, entstand 2011-2012, als es logisch erschien, die Umgebung bekannter Koordinaten genauer zu untersuchen und entfernten Unbekannten weniger Aufmerksamkeit zu schenken.
Später erfuhr ich, dass einige andere Algorithmen ungleichmäßige Verteilungen verwenden, aber meistens wird die Normalverteilung verwendet.
Ich stieß auch auf Randeffekte durch die artefaktische Häufung des Auftretens neuer Werte an den Grenzen des akzeptablen Bereichs, was eine unnötige Verschwendung von wertvollen Versuchen und damit von Zeit und Ressourcen darstellt. Nach einiger Zeit wurde mir klar, dass diese Artefakte genau deshalb entstehen, weil die notwendige Verteilungsverschiebung nicht berücksichtigt wurde. Ich kann nicht für alle existierenden Algorithmen auf der Welt sprechen, aber solche Ansätze sind mir noch nirgends begegnet. Dies gilt, wenn wir über die Verschiebung der Verteilung innerhalb bestimmter Grenzen sprechen.
Wenn es um die gezielte Änderung von Wahrscheinlichkeiten geht, ohne die Verteilungsverschiebung zu nutzen, ist das einfachste Beispiel das Roulette in genetischen Algorithmen, bei dem ein Individuum für die Kreuzung zufällig, aber im Verhältnis zu seiner Anpassungsfähigkeit ausgewählt wird.
Im Allgemeinen eröffnet die bewusste Anwendung von Verteilungsbias neue Horizonte beim maschinellen Lernen und in anderen Bereichen (ohne sich auf die Optimierung zu beziehen). Verteilungen können auf beliebige Weise und in beliebigen Kombinationen aus mehreren Verteilungen geformt werden, und das ist wirklich ein mächtiges Werkzeug, abgesehen von den Suchstrategien selbst. Deshalb dachte ich, dass es sich lohnen würde, dieses Thema gesondert zu behandeln.
Vielleicht entsprechen meine Artikel nicht einer klaren wissenschaftlichen Darstellung und sind weit von mathematischer Strenge entfernt, aber ich versuche, praktische Aspekte den theoretischen vorzuziehen.
PS. Und für mich sehen viele Dinge in der Optimierung, die mit Zufallsvariablen arbeiten, wie Magie aus. Es scheint immer noch unglaublich, dass man mit Zufallsmethoden etwas finden kann. Ich vermute, dass dies ein Wissensgebiet ist, das sich in der Welt der KI noch zeigen wird, da die Denkprozesse intelligenter Wesen seltsamerweise durch Zufallsprozesse ausgeführt werden.
Ich neige dazu, die theoretischen Aspekte den praktischen vorzuziehen.
Ich danke Ihnen für die ausführliche Antwort. In meinen Bemühungen sehe ich ebenfalls den Punkt, dass ich die praktischen Aspekte vorziehe.
Deshalb warte ich auf einen Wrapper, um diese Algorithmen anwenden zu können.