Discusión sobre el artículo "Algoritmos de optimización de la población: microsistema inmune artificial (Micro Artificial immune system, Micro-AIS)" - página 4
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Foro sobre negociación, sistemas automatizados de negociación y ensayo de estrategias de negociación
Discusión del artículo "Algoritmos de optimización de poblaciones: Algoritmos de micro sistemas inmunes artificiales (Micro-AIS)"
fxsaber, 2024.01.21 01:38 AM
IWO tiene las mejores coordenadas no coinciden con el valor devuelto.
Tiró de ella.
Por lo que entendí, la optimización personalizada se hace sólo en el grafo terminal en un núcleo, y yo hablaba de optimización multihilo en el probador (para el algoritmo de enjambre de partículas que describí en el artículo, para la mayoría de los demás algoritmos también debería ser posible por analogía, ya que suele haber un principio de división de tareas en grupos de agentes). Pero el probador se queda en el ejemplo más primitivo (he dado la prueba más arriba), lo que cortó la idea de raíz.
He montado y compilado el proyecto. Técnicamente todo funciona perfectamente, excepto para el algoritmo PSO, tomado aquí de Stanislav, se cayeron los errores, por lo que no está en los registros, que voy a dar a continuación.
Al mirar el código fuente había una pregunta sobre el número de FF se ejecuta, el valor predeterminado es 1000. Esto es muy bajo, los resultados no serán mucho mejores que al azar. El probador interno hizo 19968 ejecuciones FF, así que puse el código fuente a 20000.
Hice 5 carreras de optimización en el personal, los resultados muestran el mejor de todos. En los artículos, utilizado 10 carreras de optimización y se muestra el resultado medio.
A continuación, he utilizado FF Megacity, la función discreta más cercana a los problemas reales de estrategia comercial discreta (Hilly y Forest son suaves y más adecuado para evaluar la capacidad de realizar en tareas MO).
Ajustes en el probador:
Resultados de la optimización tras 5 ejecuciones:
Resultados de la ejecución personalizada nº 1:
Resultados del lanzamiento personalizado nº 2:
Resultados de la ejecución personalizada nº 3:
Los resultados con una convergencia del 100% están resaltados en amarillo.
Como podemos ver, incluso el algoritmo RND puede converger a un paso tan grueso. Pero sólo múltiples ejecuciones (como se hace en los artículos) y la consideración de los resultados medios pueden dar fiabilidad a los resultados. Como vemos, de los resaltados, no todos convergieron repetidamente.
Conclusiones:
1. los algoritmos se muestran plenamente sólo en pruebas múltiples (en pruebas únicas los resultados pueden ser buenos por casualidad).
2. las capacidades de los algoritmos se muestran con muchas variables y pasos pequeños, de lo contrario los resultados tienden a ser aleatorios (RND es un ejemplo, que mostró un 100% de convergencia en una sola prueba).
3. El número de ejecuciones debe ser grande, algo alrededor de 10000 (por ejemplo, con una población de 50 el número de epochs será 10000/50=200, con 1000 ejecuciones sólo hay 20 epochs), cuantas menos ejecuciones FF, más tienden los resultados al azar por razones obvias.
Los resultados del pentagrama con resalte del cursor, el primero dio 0,666 y el cuarto dio un máximo de 0,97. En la lista de resultados, el mejor aparece como 0,97.
Por lo que entendí, la optimización personalizada se hace sólo en el grafo terminal en un núcleo, y yo estaba hablando de optimización multihilo en el probador (para el algoritmo de enjambre de partículas que describí en el artículo, para la mayoría de los otros algoritmos también debería ser posible por analogía, ya que suele haber un principio de división de tareas en grupos de agentes). Pero el probador se queda en el ejemplo más primitivo (he dado la prueba más arriba), lo que cortó la idea de raíz.
todo funciona perfectamente, excepto el algoritmo PSO tomado aquí de Stanislav, se cayeron los errores
Sería bueno llegar al fondo de esto.
estos son los errores
tales errores
Obtenga TypeToBytes.mqh de aquí.