Diskussion zum Artikel "Die Rolle der Qualität von Zufallszahlengeneratoren für die Effizienz von Optimierungsalgorithmen"
Ich danke Ihnen. Ich hatte mit mehr Wirkung gerechnet. Vielleicht gibt es einige besondere Situationen, in denen die Qualität des HHR mehr zum Vorschein kommt.
Ja, ich hatte auch viel mehr Einfluss erwartet. Aber wie sich herausstellte, wird die Qualität der Optimierung viel stärker von der Strategie des Algorithmus selbst beeinflusst als von der Qualität des DST, und das ist an sich schon eine wertvolle Information.
Natürlich nur, wenn wir die völlig krummen DSTs mit enormen Abweichungen von mehreren zehn Prozent nicht berücksichtigen, aber es hat ohnehin keinen Sinn, sie zu verwenden.
Lustiges Thema. IMHO sind die Zahlen entweder zufällig oder qualitativ!
Wenn Sie 100 Pfund finden, ist der Zufall qualitativ, aber von einem Auto angefahren zu werden, ist nicht qualitativ?
Deshalb gibt es auch keinen Einfluss, weil es keinen geben sollte. Und wenn das DGS schlechte Abweichungen liefert, dann ist es kein DGS, sondern ein Generator einer fehlerhaften Aufgabe, um eben diese Abweichungen zu erzeugen (d.h. eine Funktion). Es gibt Anforderungen an das DGS. IMHO reicht es für die Eignung des Generators zum Testen aus, wenn er diesen Anforderungen nahe kommt.
Lustiges Thema. IMHO sind entweder die Zahlen zufällig oder die Qualität!
Wenn Sie 100 Pfund gefunden haben, ist der Zufall qualitativ, aber von einem Auto angefahren zu werden, ist nicht qualitativ?
Deshalb gibt es auch keinen Einfluss, weil es keinen geben sollte. Und wenn das DGS schlechte Abweichungen liefert, dann ist es kein DGS, sondern ein Generator einer fehlerhaften Aufgabe, um eben diese Abweichungen zu erzeugen (d.h. eine Funktion). Es gibt Anforderungen an das DGS. IMHO reicht es für die Eignung des Generators zum Testen aus, wenn er diesen Anforderungen nahe kommt.
Es scheint, dass Sie den Artikel nicht gelesen haben.
Verwechseln Sie nicht Zufallsprozesse in der Natur mit Zufallszahlen, die mit Hilfe von DGS gewonnen werden. HGFs gibt es in vielen Formen und die Anzahl der Tests, die sie bestehen, variiert stark. Je mehr verschiedene Tests ein Generator durchläuft, desto besser ist er.
Für jede Berechnung der FF erfolgt ein Aufruf an den GCH, um einen Vektor von Eingabe-FFs zu erzeugen. Die Handels-FF ist viel schwerer als die GSC, so dass die Gewichtung der GSC nicht spürbar sein sollte.
Vielen Dank an den Autor für das GFG-Tutorial und das Experiment. Ich würde gerne in Zukunft eine andere Art von FF sehen.
Für jede Berechnung der FF erfolgt ein Aufruf an den GCH, um einen Vektor von Eingabe-FFs zu erzeugen. Die Handels-FF ist viel schwerer als die GCH, so dass die Gewichtung der GCH nicht spürbar sein sollte.
Der GF kann also den Gesamtprozess erheblich verlangsamen, und Mersennes Vortex ist bei weitem nicht der langsamste GF (dies ist teilweise der Grund, warum er ausgewählt wurde, er ist relativ schnell und besteht den Gleichmäßigkeitstest), obwohl die FF selbst natürlich in der Regel viel mehr wiegt.
Vielen Dank an den Autor für die HGF-Anleitung und das Experiment.
Ich würde gerne FF einer anderen Art in der Zukunft zu sehen.
Danke für das Feedback.
Meinen Sie - einen synthetischen "Trade Test" in die Liste der Testfunktionen aufnehmen? Das ist möglich, aber ich denke, ein solcher synthetischer Handelstest wäre in seinen Eigenschaften fast identisch mit der diskreten Megacity-Funktion, die Sie ebenfalls testen können.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Die Rolle der Qualität von Zufallszahlengeneratoren für die Effizienz von Optimierungsalgorithmen :
In diesem Artikel werden wir uns den Mersenne-Twister-Zufallszahlengenerator ansehen und ihn mit dem Standardgenerator in MQL5 vergleichen. Wir werden auch herausfinden, welchen Einfluss die Qualität des Zufallszahlengenerators auf die Ergebnisse der Optimierungsalgorithmen hat.
Bei der Verwendung von Optimierungsalgorithmen fragen sich viele Leser, wie wichtig es ist, einen hochwertigen Zufallszahlengenerator zu verwenden. Die Antwort auf diese Frage ist nicht so einfach, wie sie auf den ersten Blick erscheinen mag. Es liegt jedoch auf der Hand, dass die Qualität der Zufallszahlen einen erheblichen Einfluss auf die Suchmöglichkeiten von Algorithmen haben kann, da Populationsalgorithmen überwiegend auf stochastischer Suche beruhen.
Lassen Sie uns diese Frage gemeinsam klären. Bevor wir beginnen, müssen wir uns mit den verschiedenen Arten von Zufallszahlengeneratoren befassen, mit ihren Auswirkungen auf die Ergebnisse und mit der Frage, wo Sie zuverlässige Optionen finden können.
Zufallszahlengeneratoren (RNGs) sind Algorithmen oder Geräte, die eine Folge von Zahlen oder Werten erzeugen, wobei die Zahlen zufällig erscheinen. In der Informatik und Mathematik werden solche Sequenzen in der Regel als „pseudozufällig“ bezeichnet, da sie durch deterministische Algorithmen und nicht durch echte Zufallsprozesse erzeugt werden.
Autor: Andrey Dik