Certo! Sarebbe bello poter spegnere la modalità di ottimizzazione dopo che ha finito.
Ancora una volta, si inizia a controllare i singoli passaggi e ci si imbatte nello stesso problema.
Quando si clicca sui risultati dell'ottimizzazione tutto è OK, viene lanciato un singolo passaggio. E dopo averci cliccato sopra diverse volte, si ricorda già che siete in modalità test singolo.
E dopo, se si cambia qualcosa manualmente nei parametri, e si preme start, inizia l'ottimizzazione. ((
Sarebbe una buona idea distribuire i compiti agli agenti locali in porzioni più piccole quando i parametri sono completamente enumerati. Per esempio 1-2% di tutti i compiti. Quando uno di loro è libero, dategli la stessa quantità in più.
Ora la situazione è questa. A tutti gli agenti sono stati dati 704 compiti, e poiché tutti hanno una durata diversa a seconda dei parametri da ottimizzare, 2 agenti hanno finito il lavoro, e 2 agenti hanno ottenuto i compiti più lunghi. In 10 ore hanno risolto il 41%. Ho paura che l'ottimizzazione a questo ritmo sarà finita in altre 15 ore. Sarebbe meglio caricare tutti gli agenti.
Capisco che emettere compiti in lotti è meglio per ridurre il tempo sui processi correlati. Trasferimento di preventivi, ecc., ma sugli agenti locali tutto avviene rapidamente, e anche sulla rete locale, per loro sarebbe bene fare porzioni più piccole quando si distribuiscono i compiti.
Sarebbe una buona idea distribuire i compiti agli agenti locali in porzioni più piccole quando i parametri sono completamente enumerati. Per esempio 1-2% di tutti i compiti. Quando uno di loro è libero, dategli la stessa quantità in più.
Meglio ancora, avere una coda di lavoro comune a cui accedono gli agenti rilasciati.
Ma temo che questo non sia permesso dall'architettura del cloud.
Il modo migliore è quello di avere una coda di lavoro comune a cui accedono gli agenti che si liberano.
Ma temo che questo non sia permesso dall'architettura del cloud.
Quindi propongo di mantenere l'algoritmo ottimale per il cloud, e per gli agenti locali e la rete locale per distribuire i compiti in piccoli lotti o 1 come suggerisci tu (in termini di velocità è probabilmente il migliore).
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Certo! Sarebbe bello poter spegnere la modalità di ottimizzazione dopo che ha finito.
Ancora una volta, si inizia a controllare i singoli passaggi e ci si imbatte nello stesso problema.
Quando si clicca sui risultati dell'ottimizzazione tutto è OK, viene lanciato un singolo passaggio. E dopo averci cliccato sopra diverse volte, si ricorda già che siete in modalità test singolo.
E dopo, se si cambia qualcosa manualmente nei parametri, e si preme start, inizia l'ottimizzazione. ((
Sarebbe una buona idea distribuire i compiti agli agenti locali in porzioni più piccole quando i parametri sono completamente enumerati. Per esempio 1-2% di tutti i compiti. Quando uno di loro è libero, dategli la stessa quantità in più.
Ora la situazione è questa. A tutti gli agenti sono stati dati 704 compiti, e poiché tutti hanno una durata diversa a seconda dei parametri da ottimizzare, 2 agenti hanno finito il lavoro, e 2 agenti hanno ottenuto i compiti più lunghi. In 10 ore hanno risolto il 41%. Ho paura che l'ottimizzazione a questo ritmo sarà finita in altre 15 ore. Sarebbe meglio caricare tutti gli agenti.
Capisco che emettere compiti in lotti è meglio per ridurre il tempo sui processi correlati. Trasferimento di preventivi, ecc., ma sugli agenti locali tutto avviene rapidamente, e anche sulla rete locale, per loro sarebbe bene fare porzioni più piccole quando si distribuiscono i compiti.
Sarebbe una buona idea distribuire i compiti agli agenti locali in porzioni più piccole quando i parametri sono completamente enumerati. Per esempio 1-2% di tutti i compiti. Quando uno di loro è libero, dategli la stessa quantità in più.
Meglio ancora, avere una coda di lavoro comune a cui accedono gli agenti rilasciati.
Ma temo che questo non sia permesso dall'architettura del cloud.
Il modo migliore è quello di avere una coda di lavoro comune a cui accedono gli agenti che si liberano.
Ma temo che questo non sia permesso dall'architettura del cloud.
Quindi propongo di mantenere l'algoritmo ottimale per il cloud, e per gli agenti locali e la rete locale per distribuire i compiti in piccoli lotti o 1 come suggerisci tu (in termini di velocità è probabilmente il migliore).