Discussione sull’articolo "Algoritmi Genetici - È Facile!" - pagina 10
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
... ma nel ciclo superiore gli viene assegnato +1, quindi sottraggo -1 ...
Ecco dove si trova il cane!!! E penso - come è così - l'articolo è già un anno vecchio - e tutto funziona, nessuno si lamenta ... Grazie ancora per l'articolo ... e per le spiegazioni :)
@jooCiao. Adoro il vostro Zig-Zag, ma è lento su un gran numero di candele. E' possibile ottenere un'accelerazione senza perdita di qualità?
Mi dispiace, ma non sono l'autore di questo indicatore.
Si prega di fare riferimento alla pagina di discussione di questo indicatore.
Non metto in dubbio la competenza della fonte citata, ma devo dissentire.
La convenienza dell'uso dei GA nei problemi di ottimizzazione risiede nella riduzione del numero di esecuzioni di FF necessarie per determinare l'ottimo rispetto alla ricerca diretta.
Se seguiamo la raccomandazione
allora per un problema con 1000 argomenti richiederebbe una popolazione di 11000 individui! E si tratta di 11000 esecuzioni di FF su una sola epoca! Si può benissimo usare la generazione casuale di geni e il risultato non sarà molto inferiore nel trovare l'ottimo. La fonte data fa una "scommessa" sul fatto che in una grande popolazione ci sarà abbastanza materiale genetico per sviluppare ulteriormente la popolazione verso il miglioramento ad ogni epoca. Sto cercando di ottenere la stessa cosa, ma a spese di un gioco di probabilità con gli operatori genetici senza un aumento totale dei cicli di FF.
Onestamente, non riuscivo a immaginare un problema con 1000 argomenti. Uso l'algoritmo per addestrare una rete neurale, diciamo a cinque strati, anche se di solito tre strati sono sufficienti, quindi risulta che l'input è di 14 variabili per cinque strati e di 17 per tre strati!!!! Cosa si può mettere lì dentro?
Facile.
Ecco il numero di parametri ottimizzabili per una rete a 4 strati con 2 strati nascosti, per esempio per questa - 10-40-40-40-1:
10*40+40+40+40+40*40+40+40+40+40*1+1=2121 (pesi dei neuroni e loro spostamenti per 40+40+1=81 neuroni).
Come si può notare, è necessario ottimizzare 2121 parametri per una rete così piccola.
È possibile pubblicare un esempio di utilizzo di questa libreria per ottimizzare un Expert advisor come fa MT?
Sarebbe di grande aiuto per me
Grazie a tutti
È possibile pubblicare un esempio di come utilizzare questa libreria per ottimizzare un Expert advisor come fa MT?
Sarebbe di grande aiuto per me
Grazie
I, purtroppo, non c'è tempo per questo, e lo stimolo....
Forse più tardi.
Scusate, ma sono un po' tonto.
Risulta che nell'algoritmo con geni continui qui considerato, un parametro come il passo non ha senso. Si può parlare di accuratezza solo se il risultato è noto in anticipo ed è necessario trovare degli argomenti.
...
Si scopre che nell'algoritmo con geni continui qui considerato, un parametro come il passo è privo di significato. Possiamo parlare di accuratezza solo se il risultato è noto in anticipo ed è necessario trovare argomenti.
Esattamente, se la distanza tra i geni è abbastanza grande allora il passo sarà più grande, mentre man mano che i geni si avvicinano, il passo diminuisce automaticamente, semplicemente perché non viene utilizzato il concetto stesso di passo, ma la precisione con cui è necessario trovare una soluzione. La distanza tra i geni è tutto il tempo diviso per il periodo casuale, ed è costante 32768. Il numero risultante sarà il passo condizionale.
Se anche il risultato non è noto, si può ipotizzare la soluzione di quale precisione è richiesta, è più facile che nello spazio sconosciuto specificare con quale passo è necessario cercare una soluzione.