Discusión sobre el artículo "El papel de la calidad del generador de números aleatorios en la eficiencia de los algoritmos de optimización"
Gracias. Esperaba más impacto. Tal vez hay algunas situaciones especiales en las que la calidad de la HHR se revela más.
Sí, yo también esperaba mucha más influencia. Pero, como resultó, la calidad de la optimización está mucho más influida por la estrategia del propio algoritmo que por la calidad del DST, y esto es una información valiosa en sí misma.
Bueno, por supuesto, si no tenemos en cuenta las DST francamente torcidas con enormes desviaciones de decenas de puntos porcentuales, pero de todos modos no tiene sentido utilizarlas.
Tema divertido. En mi opinión, o los números son aleatorios o son cualitativos.
Si encuentras 100 libras, la aleatoriedad es cualitativa, ¿pero que te atropelle un coche no es cualitativo?
Por eso no hay influencia, porque no debería haberla. Y si la DGS da unas desviaciones malas, entonces no es una DGS, sino un generador de una tarea errónea para generar esas mismas desviaciones (es decir, alguna función). Hay requisitos para la DGS. En mi opinión, para que el generador sea adecuado para las pruebas, basta con que se acerque a estos requisitos.
Tema divertido. En mi opinión, o los números son aleatorios o son de calidad.
Si encuentras 100 libras, la aleatoriedad es cualitativa, ¿pero ser atropellado por un coche no es cualitativo?
Por eso no hay influencia, porque no debería haberla. Y si la DGS da unas desviaciones malas, entonces no es una DGS, sino un generador de una tarea errónea para generar esas mismas desviaciones (es decir, alguna función). Hay requisitos para la DGS. En mi opinión, para que el generador sea adecuado para las pruebas, basta con que se acerque a estos requisitos.
Parece que no has leído el artículo.
No hay que confundir los procesos aleatorios en la naturaleza con los números aleatorios obtenidos con la ayuda de DGS. Los HGF se presentan en muchas formas y el número de pruebas que superan varía enormemente. Cuantas más pruebas diferentes pase un generador, mejor será.
Para cada cálculo del FF, hay una llamada al GCH para generar un vector de FF de entrada. El FF de negociación es mucho más pesado que el GSC, por lo que la ponderación del GSC no debería notarse.
Gracias al autor por el tutorial y el experimento del GFG. Me gustaría ver una naturaleza diferente de FF en el futuro.
Por cada cálculo del FF, hay una llamada al GCH para generar un vector de FF de entrada. El FF comercial es mucho más pesado que el GCH, por lo que la ponderación del GCH no debería notarse.
Así pues, el GF es capaz de ralentizar mucho el proceso global, y el Vórtice de Mersenne está lejos de ser el GF más lento (en parte por eso se eligió, es relativamente rápido y pasa la prueba de uniformidad), aunque el FF en sí, por supuesto, suele pesar mucho más.
Gracias al Autor por el tutorial y el experimento de HGF.
Me gustaría ver FF de otra naturaleza en el futuro.
Gracias por los comentarios.
¿Quieres decir - incluir una sintética "prueba de comercio" en la lista de características de la prueba? Se puede hacer, pero creo que tal prueba sintética de comercio sería casi idéntica en propiedades a la función discreta Megacity, puede probar eso también.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado El papel de la calidad del generador de números aleatorios en la eficiencia de los algoritmos de optimización:
En este artículo, analizaremos el generador de números aleatorios Mersenne Twister y lo compararemos con el estándar en MQL5. También determinaremos la influencia de la calidad del generador de números aleatorios en los resultados de los algoritmos de optimización.
A la hora de utilizar algoritmos de optimización, muchos lectores se preguntan hasta qué punto es importante utilizar un generador de números aleatorios de alta calidad. La respuesta a esta pregunta no es tan sencilla como podría parecer a primera vista. Sin embargo, es intuitivo que la calidad de los números aleatorios puede tener un impacto significativo en las capacidades de búsqueda de los algoritmos, ya que los algoritmos de población se basan abrumadoramente en la búsqueda estocástica.
Analicemos juntos este asunto. Antes de empezar, debemos considerar los distintos tipos de generadores de números aleatorios, su impacto en los resultados y dónde encontrar opciones fiables.
Los generadores de números aleatorios (RNG) son algoritmos o dispositivos que crean una secuencia de números o valores y los números parecen aleatorios. Es importante señalar que en informática y matemáticas este tipo de secuencias suelen denominarse «pseudoaleatorias» porque se generan mediante algoritmos deterministas y no mediante procesos verdaderamente aleatorios.
Autor: Andrey Dik