Discussione sull’articolo "Algoritmi di ottimizzazione della popolazione: Algoritmo della Lucciola (Firefly FA)"

Nuovo commento
 

Il nuovo articolo Algoritmi di ottimizzazione della popolazione: Algoritmo della Lucciola (Firefly FA) è stato pubblicato:

In questo articolo prenderò in considerazione il metodo di ottimizzazione dell'Algoritmo Firefly(FA). Grazie alla modifica, l'algoritmo si è trasformato da outsider a vero leader della classifica.

L'algoritmo firefly ha tre regole basate sulle caratteristiche di sfarfallio delle lucciole reali. Le regole sono le seguenti:

  1. Tutte le lucciole si orienteranno verso controparti più attraenti e luminose.
  2. Il grado di attrazione di una lucciola è proporzionale alla sua luminosità, che diminuisce all'aumentare della distanza da un'altra lucciola a causa del fatto che l'aria assorbe la luce. Pertanto, tra due lucciole tremolanti, quella meno luminosa si muoverà verso quella più luminosa. Se non c'è una controparte più luminosa o più attraente, una lucciola si muove in modo casuale.
  3. La luminosità o l'intensità luminosa della lucciola è determinata dal valore della funzione obiettivo del problema.


 L'essenza dell'algoritmo è mostrata chiaramente nella Figura 1.

Fas

Autore: Andrey Dik

 

Grazie per aver pubblicato i risultati della tua ricerca!

Mi piacciono i risultati e la metodologia di valutazione - ma c'è un modo per utilizzare questa tecnica di ottimizzazione all'interno dell'EA-Optimizer di MT5?

Vengo dal lato pratico e vorrei sapere come posso utilizzare questa nuova ricerca per ottimizzare EA migliori e più stabili.


Grazie mille!

 
Eugen Funk #:

Grazie per aver pubblicato i risultati della vostra ricerca!

Mi piacciono i risultati e la metodologia di valutazione - ma c'è un modo per utilizzare questa tecnica di ottimizzazione all'interno dell'EA-Optimizer MT5?

Vengo dal lato pratico e vorrei sapere come posso utilizzare questa nuova ricerca per ottimizzare EA migliori e più stabili.


Grazie mille!

Grazie per il feedback!
Lo scenario abituale per l'utilizzo di tali algoritmi di ottimizzazione nel trading è l'auto-ottimizzazione in Expert Advisor, utility, indicatori, per l'addestramento di reti neurali, in sistemi adattivi.
 
Andrey Dik #:
Grazie per il feedback!
Lo scenario abituale per l'utilizzo di tali algoritmi di ottimizzazione nel trading è l'auto-ottimizzazione in Expert Advisor, utility, indicatori, per l'addestramento di reti neurali, in sistemi adattivi.

Grazie! Le dispiacerebbe indicarmi qualche articolo di esempio che implementa l'"auto-ottimizzazione"?

 
Eugen Funk #:

Grazie! Ti dispiacerebbe indicarmi qualche articolo di esempio che implementa l'"auto-ottimizzazione"?

https://www.mql5.com/en/search#!parola chiave=auto-ottimizzazione&modulo=mql5_modulo_articoli

Per quanto ne so, l'argomento dell'auto-ottimizzazione negli Expert Advisor per MQL5 non è stato completamente divulgato. forse dovrei provare a scrivere un articolo su questo argomento utilizzando uno degli algoritmi di ottimizzazione dei miei articoli.

 
Andrey Dik #:

https://www.mql5.com/en/search#!parola chiave=auto-ottimizzazione&modulo=mql5_modulo_articoli

Per quanto ne so, l'argomento dell'auto-ottimizzazione negli Expert Advisor per MQL5 non è stato completamente divulgato. forse dovrei provare a scrivere un articolo su questo argomento utilizzando uno degli algoritmi di ottimizzazione dei miei articoli.

Grazie per i suggerimenti.

Quello che mi aspettavo è un modo per eseguire l'ottimizzatore con un algoritmo di ottimizzazione diverso (al momento uso sempre l'algoritmo genetico veloce).

E questo sembra piuttosto uno script/programma che fa tutto al livello inferiore. Tuttavia, non sono sicuro di aver capito bene.

Sarebbe bello poter sostituire il "fast genetic based algorithm" con una classe personalizzata che implementa il calcolo della metrica (risultato: float) e le decisioni di esplorazione delle N esecuzioni precedenti.

Nuovo commento