Discussion de l'article "Algorithmes d'optimisation de la population : Algorithme des Lucioles (Firefly Algorithm - FA)"

Nouveau commentaire
 

Un nouvel article Algorithmes d'optimisation de la population : Algorithme des Lucioles (Firefly Algorithm - FA) a été publié :

Dans cet article, je considérerai la méthode d'optimisation de l'Algorithme Firefly (FA). Grâce à la modification, l'algorithme est passé d'un outsider à un véritable leader du classement.

L'algorithme des lucioles comporte 3 règles basées sur les caractéristiques de scintillement des vraies lucioles. Les règles sont les suivantes :

  1. Toutes les lucioles se dirigeront vers des homologues plus attrayantes et plus lumineuses.
  2. Le degré d'attraction d'une luciole est proportionnel à sa luminosité, qui diminue à mesure que la distance par rapport à une autre luciole augmente en raison du fait que l'air absorbe la lumière. Par conséquent, entre deux lucioles vacillantes, la moins brillante se déplacera vers la plus brillante. S’il n’existe pas d’équivalent plus brillant ou plus attrayant, une luciole se déplacera de manière aléatoire.
  3. La luminosité ou l'intensité lumineuse de la luciole est déterminée par la valeur de la fonction objectif du problème.


 L'essence de l'algorithme est clairement illustrée dans la figure 1.

Fas

Auteur : Andrey Dik

 

Merci d'avoir publié les résultats de vos recherches !

J'aime les résultats et la méthodologie d'évaluation - mais y a-t-il un moyen d'utiliser cette technique d'optimisation dans l'EA-Optimizer MT5 ?

Je viens du côté pratique et j'aimerais savoir comment je peux utiliser cette nouvelle recherche afin d'optimiser des EAs meilleurs et plus stables.


Merci beaucoup !

 
Eugen Funk #:

Merci de publier les résultats de vos recherches !

J'aime les résultats et la méthodologie d'évaluation - mais y a-t-il un moyen d'utiliser cette technique d'optimisation dans l'EA-Optimizer MT5 ?

Je viens du côté pratique et j'aimerais savoir comment je peux utiliser cette nouvelle recherche afin d'optimiser des EAs meilleurs et plus stables.


Merci beaucoup !

Merci pour vos commentaires !
Le scénario habituel pour l'utilisation de tels algorithmes d'optimisation dans le trading est l'auto-optimisation dans les Expert Advisors, les utilitaires, les indicateurs, pour l'entraînement des réseaux neuronaux, dans les systèmes adaptatifs.
 
Andrey Dik #:
Merci pour vos commentaires !
Le scénario habituel pour l'utilisation de tels algorithmes d'optimisation dans le trading est l'auto-optimisation dans les Expert Advisors, les utilitaires, les indicateurs, pour l'entraînement des réseaux neuronaux, dans les systèmes adaptatifs.

Je vous remercie ! Pourriez-vous m'indiquer un exemple d'article qui met en œuvre l'"auto-optimisation" ?

 
Eugen Funk #:

Je vous remercie. Pourriez-vous m'indiquer un exemple d'article qui met en œuvre l'"auto-optimisation" ?

https://www.mql5.com/en/search#!keyword=auto-optimisation&module=mql5_module_articles

pour autant que je sache, le sujet de l'auto-optimisation dans les Expert Advisors pour MQL5 n'est pas entièrement divulgué. peut-être devrais-je essayer d'écrire un article sur ce sujet en utilisant l'un des algorithmes d'optimisation de mes articles.

 
Andrey Dik #:

https://www.mql5.com/en/search#!keyword=self-optimization&module=mql5_module_articles

pour autant que je puisse en juger, le sujet de l'auto-optimisation dans les Expert Advisors pour MQL5 n'est pas entièrement divulgué. peut-être devrais-je essayer d'écrire un article sur ce sujet en utilisant l'un des algorithmes d'optimisation de mes articles.

Merci pour ces conseils.

Hmm, ce que j'attendais essentiellement, c'est un moyen d'exécuter l'optimiseur avec un algorithme d'optimisation différent (pour l'instant, j'utilise toujours l'"algorithme rapide basé sur la génétique").

Et cela ressemble plutôt à un script/programme qui fait tout au niveau inférieur. Je ne suis toutefois pas sûr d'avoir bien compris.

Ce serait formidable de pouvoir remplacer l'"algorithme génétique rapide" par une classe personnalisée mettant en œuvre le calcul de la métrique (résultat : float) et les décisions d'exploration des N exécutions précédentes.

Nouveau commentaire