Andrey Dik
Andrey Dik
  • Information
11+ Jahre
Erfahrung
2
Produkte
208
Demoversionen
14
Jobs
0
Signale
0
Abonnenten
I AM LOOKING FOR A PUBLISHER TO PUBLISH A BOOK ABOUT OPTIMIZATION ALGORITHMS.

My github with optimization algorithms: https://github.com/JQSakaJoo/Population-optimization-algorithms-MQL5

All my publications: https://www.mql5.com/en/users/joo/publications

I have been developing systems based on machine learning technologies since 2007 and in the field of artificial
intelligence, optimization and forecasting.

I took an active part in the development of the MT5 platform, such as the introduction of support for universal parallel
computing on the GPU and CPU with OpenCL, testing and backtesting of distributed
computing in the LAN and cloud during optimization in MT5, my test functions are included in the standard delivery of the terminal.

IF YOU LIKE MY ARTICLES AND DEVELOPMENTS IN THE FIELD OF OPTIMIZATION, YOU CAN SUPPORT THE AUTHOR AND BUY OR RENT A POWERFUL LIBRARY OF THE OPTIMIZATION ALGORITHM:
https://www.mql5.com/en/market/product/92455
https://www.mql5.com/en/market/product/93703
or any other of my products:
https://www.mql5.com/en/users/joo/seller


To make an order for MT4 and MT5 through freelancing : https://www.mql5.com/en/job/new?prefered=joo
I make connections to exchanges, there are ready-made connectors.
Recommended Brokers:
https://rbfxdirect.com/ru/lk/?a=dnhp
https://www.icmarkets.com/ru/?camp=4941
Andrey Dik
Hat den Artikel Алгоритм кодового замка (Сode Lock Algorithm, CLA) veröffentlicht
Алгоритм кодового замка (Сode Lock Algorithm, CLA)

В этой статье мы переосмыслим кодовые замки, превращая их из механизмов защиты в инструменты для решения сложных задач оптимизации. Откройте для себя мир кодовых замков, не как простых устройств безопасности, но как вдохновения для нового подхода к оптимизации. Мы создадим целую популяцию "замков", где каждый замок представляет собой уникальное решение задачи. Затем мы разработаем алгоритм, который будет "вскрывать" эти замки и находить оптимальные решения в самых разных областях, от машинного обучения до разработки торговых систем.

5
Andrey Dik
Hat den Artikel Алгоритм кометного следа (Comet Tail Algorithm, CTA) veröffentlicht
Алгоритм кометного следа (Comet Tail Algorithm, CTA)

В данной статье мы рассмотрим новый авторский алгоритм оптимизации CTA (Comet Tail Algorithm), который черпает вдохновение из уникальных космических объектов - комет и их впечатляющих хвостов, формирующихся при приближении к Солнцу. Данный алгоритм основан на концепции движения комет и их хвостов, и предназначен для поиска оптимальных решений в задачах оптимизации.

4
Andrey Dik
Hat den Artikel Turtle Shell Evolution Algorithm (TSEA) veröffentlicht
Turtle Shell Evolution Algorithm (TSEA)

This is a unique optimization algorithm inspired by the evolution of the turtle shell. The TSEA algorithm emulates the gradual formation of keratinized skin areas, which represent optimal solutions to a problem. The best solutions become "harder" and are located closer to the outer surface, while the less successful solutions remain "softer" and are located inside. The algorithm uses clustering of solutions by quality and distance, allowing to preserve less successful options and providing flexibility and adaptability.

4
Andrey Dik
Hat den Artikel Der Optimierungsalgorithmus Brain Storm (Teil II): Multimodalität veröffentlicht
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.

Andrey Dik
Hat den Artikel Brain Storm Optimierungsalgorithmus (Teil I): Clustering veröffentlicht
Brain Storm Optimierungsalgorithmus (Teil I): Clustering

In diesem Artikel befassen wir uns mit einer innovativen Optimierungsmethode namens BSO (Brain Storm Optimization), die von einem natürlichen Phänomen namens „Brainstorming“ inspiriert ist. Wir werden auch einen neuen Ansatz zur Lösung von multimodalen Optimierungsproblemen diskutieren, den die BSO-Methode anwendet. Es ermöglicht die Suche nach mehreren optimalen Lösungen, ohne dass die Anzahl der Teilpopulationen vorher festgelegt werden muss. Wir werden auch die Clustermethoden K-Means und K-Means++ betrachten.

Andrey Dik
Andrey Dik
My github with optimization algorithms: https://github.com/JQSakaJoo/Population-optimization-algorithms-MQL5
Мой github с алгоритмами оптимизации: https://github.com/JQSakaJoo/Population-optimization-algorithms-MQL5
Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Der Boids-Algorithmus veröffentlicht
Algorithmen zur Optimierung mit Populationen: Der Boids-Algorithmus

Der Artikel befasst sich mit dem Boids Algorithmus, der auf einzigartigen Beispielen für das Verhalten von Tierschwärmen basiert. Der Boids-Algorithmus wiederum dient als Grundlage für die Schaffung einer ganzen Klasse von Algorithmen, die unter dem Namen „Schwarmintelligenz“ zusammengefasst werden.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Vogelschwarm-Algorithmus (BSA) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Vogelschwarm-Algorithmus (BSA)

Der Artikel befasst sich mit dem vogelschwarmbasierten Algorithmus (BSA), der von den kollektiven Schwarminteraktionen der Vögel in der Natur inspiriert ist. Die unterschiedlichen Suchstrategien der BSA-Individuen, einschließlich des Wechsels zwischen Flucht-, Wachsamkeits- und Futtersuchverhalten, machen diesen Algorithmus vielschichtig. Es nutzt die Prinzipien der Vogelschwärme, der Kommunikation, der Anpassungsfähigkeit, des Führens und Folgens, um effizient optimale Lösungen zu finden.

Andrey Dik
Hat den Artikel Die Rolle der Qualität von Zufallszahlengeneratoren für die Effizienz von Optimierungsalgorithmen veröffentlicht
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.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Der Wal-Optimierungsalgorithmus (WOA) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Der Wal-Optimierungsalgorithmus (WOA)

Der Wal-Optimierungsalgorithmus (WOA) ist ein metaheuristischer Algorithmus, der durch das Verhalten und die Jagdstrategien von Buckelwalen inspiriert wurde. Die Hauptidee von WOA ist die Nachahmung der so genannten Fressmethode „Blasennetz“, bei der Wale Blasen um ihre Beute herum erzeugen und sie dann in einer spiralförmigen Bewegung angreifen.

Andrey Dik
Hat den Artikel Hybridisierung von Populationsalgorithmen. Sequentielle und parallele Strukturen veröffentlicht
Hybridisierung von Populationsalgorithmen. Sequentielle und parallele Strukturen

Hier tauchen wir in die Welt der Hybridisierung von Optimierungsalgorithmen ein, indem wir uns drei Haupttypen ansehen: Strategiemischung, sequentielle und parallele Hybridisierung. Wir werden eine Reihe von Experimenten durchführen, in denen wir die relevanten Optimierungsalgorithmen kombinieren und testen.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil II) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil II)

Wir setzen unser Experiment fort, das darauf abzielt, das Verhalten von Populationsoptimierungsalgorithmen im Zusammenhang mit ihrer Fähigkeit zu untersuchen, lokale Minima bei geringer Populationsvielfalt effizient zu umgehen und globale Maxima zu erreichen. Forschungsergebnisse werden vorgelegt.

Andrey Dik
AO Core Чтобы обеспечить самооптимизацию советника для реализации любых требуемых возможностей и функциональностей, используется схема, представленная на рисунке 1. На временной шкале "История" советник позиционируется в точке "время сейчас", где принимается решение об оптимизации...
Andrey Dik
AO Core To ensure self-optimization of the advisor for implementing any required capabilities and functionalities, the scheme presented in Figure 1 is employed. On the "History" timeline, the advisor is positioned at the "time now" point where the optimization decision is made...
Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil I) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil I)

In diesem Artikel wird ein einzigartiges Experiment vorgestellt, das darauf abzielt, das Verhalten von Populationsoptimierungsalgorithmen im Zusammenhang mit ihrer Fähigkeit zu untersuchen, lokale Minima bei geringer Populationsvielfalt effizient zu umgehen und globale Maxima zu erreichen. Die Arbeit in dieser Richtung wird weitere Erkenntnisse darüber liefern, welche spezifischen Algorithmen ihre Suche mit den vom Nutzer festgelegten Koordinaten als Ausgangspunkt erfolgreich fortsetzen können und welche Faktoren ihren Erfolg beeinflussen.

Andrey Dik
Hat den Artikel Die Basisklasse der Populationsalgorithmen als Rückgrat einer effizienten Optimierung veröffentlicht
Die Basisklasse der Populationsalgorithmen als Rückgrat einer effizienten Optimierung

Der Artikel präsentiert einen einzigartigen Forschungsversuch, eine Vielzahl von Populationsalgorithmen in einer einzigen Klasse zu kombinieren, um die Anwendung von Optimierungsmethoden zu vereinfachen. Dieser Ansatz eröffnet nicht nur Möglichkeiten für die Entwicklung neuer Algorithmen, einschließlich hybrider Varianten, sondern schafft auch eine universelle Basis-Testumgebung. Dieser Stand wird zu einem wichtigen Instrument für die Auswahl des optimalen Algorithmus für eine bestimmte Aufgabe.

Andrey Dik
Hat den Artikel Verwendung von Optimierungsalgorithmen zur Konfiguration von EA-Parametern im laufenden Betrieb veröffentlicht
Verwendung von Optimierungsalgorithmen zur Konfiguration von EA-Parametern im laufenden Betrieb

Der Artikel behandelt die praktischen Aspekte der Verwendung von Optimierungsalgorithmen, um die besten EA-Parameter im laufenden Betrieb zu finden, sowie die Virtualisierung von Handelsoperationen und EA-Logik. Der Artikel kann als Anleitung für die Implementierung von Optimierungsalgorithmen in einen EA verwendet werden.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Künstliche multisoziale Suchobjekte (MSO) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Künstliche multisoziale Suchobjekte (MSO)

Dies ist eine Fortsetzung des vorangegangenen Artikels, der sich mit dem Konzept der sozialen Gruppen befasst. In dem Artikel wird die Entwicklung sozialer Gruppen anhand von Bewegungs- und Gedächtnisalgorithmen untersucht. Die Ergebnisse werden dazu beitragen, die Entwicklung sozialer Systeme zu verstehen und sie bei der Optimierung und Suche nach Lösungen anzuwenden.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Evolution sozialer Gruppen (ESG) veröffentlicht
Algorithmen zur Optimierung mit Populationen: Evolution sozialer Gruppen (ESG)

Wir werden das Prinzip des Aufbaus von Algorithmen mit mehreren Populationen besprechen. Als Beispiel für diese Art von Algorithmus werden wir uns den neuen nutzerdefinierten Algorithmus - Evolution of Social Groups (ESG) - ansehen. Wir werden die grundlegenden Konzepte, die Mechanismen der Populationsinteraktion und die Vorteile dieses Algorithmus analysieren und seine Leistung bei Optimierungsproblemen untersuchen.

Andrey Dik
Hat den Artikel Algorithmen zur Optimierung mit Populationen: Binärer genetischer Algorithmus (BGA). Teil II veröffentlicht
Algorithmen zur Optimierung mit Populationen: Binärer genetischer Algorithmus (BGA). Teil II

In diesem Artikel befassen wir uns mit dem binären genetischen Algorithmus (BGA), der die natürlichen Prozesse modelliert, die im genetischen Material von Lebewesen in der Natur ablaufen.