Wenn die Multimodalität funktioniert, sollte sie viele Sinus-Scheitelpunkte aufweisen.
Ein Beispiel dafür, wann eine monomodale AO versagt.
Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien
fxsaber, 2024.04.01 19:17
Habe eine Funktion wie diese genommen.input double X = 0; double OnTester() { return(MathTan(X)); }
Irgendein obskures Ergebnis. Wenn man iteratives Stochern implementiert, kann man vermutlich eine Menge "Steine" finden.
Tangent ist eine erfolglose FF, TS-FF ist viel einfacher zu finden.
fxsaber #:
Wenn die Multimodalität funktioniert, sollte sie viele Sinus-Scheitelpunkte aufweisen.
Ich muss sagen, dass ich mit der Leistung des Algorithmus, was die Multimodalität betrifft, nicht zufrieden bin. In dem Artikel ermutige ich die Leser, sich an der Erforschung des Algorithmus zu beteiligen, denn ich denke, dass es ein Potenzial für seine Verbesserung gibt. Vielleicht ist es notwendig, eine separate "Referenz"-Modalkarte zu führen, damit sie im Zuge der Optimierung regelmäßig aktualisiert und ergänzt werden kann.
Wenn die Multimodalität funktioniert, sollte sie viele Sinus-Scheitelpunkte aufweisen.
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


Neuer Artikel Der Optimierungsalgorithmus Brain Storm (Teil II): Multimodalität :
Im zweiten Teil des Artikels werden wir uns mit der praktischen Implementierung des BSO-Algorithmus befassen, Tests mit Testfunktionen durchführen und die Effizienz von BSO mit anderen Optimierungsmethoden vergleichen.
Im ersten Teil des Artikels haben wir uns mit dem Algorithmus Brain Storm Optimization (BSO) in die Welt der Optimierung begeben und die Grundprinzipien dieser innovativen, vom Brainstorming (Ideenfindung) inspirierten Methode vorgestellt. Neben der Untersuchung seiner logischen Struktur haben wir uns auch mit den Clustering-Methoden K-Means und K-Means++ befasst. Brain Storm Optimization (BSO) ist eine Optimierungsmethode, die die Phasen der Ideengenerierung und -bewertung in Gruppenaktivitäten einschließt. Dieser Algorithmus trug zum Bereich der Optimierung in Verbindung mit Clustermethoden bei. Durch Clustering können wir Gruppen ähnlicher Datenelemente identifizieren, was BSO hilft, optimale Lösungen zu finden. Durch den Einsatz der Mutationsmethode kann der Algorithmus Hindernisse im Lösungssuchraum umgehen und nach effizienteren Wegen zum Optimum suchen.
Jetzt ist es an der Zeit, zur Tat zu schreiten! Im zweiten Teil werden wir uns mit der praktischen Umsetzung des Algorithmus befassen, über Multimodalität sprechen, den Algorithmus testen und die Ergebnisse zusammenfassen.
Autor: Andrey Dik