Введение Генетический алгоритм (ГА) относится к эвристическим алгоритмам (ЭА), который даёт приемлемое решение задачи в большинстве практически значимых случаев, однако при этом правильность решения математически не доказана и применяют чаще всего для задач, аналитическое решение которых весьма затруднительно или вовсе невозможно. Классическим...
大体において、すべての最適化は、多次元空間における極値を見つける（および／または選択する）ことに帰着する。
微分の極限がわかっていて、それが非常に滑らかである限り、勾配降下は適している。
しかしこれは、"最適化 "の際に忘れられてしまう唯一のニュアンス、つまり物理的＋論理的な相互関係を常に厳密に守らなければならない、ということが条件となる。
"モルドールには入っていけない"
さて、私の側からの議論で何が表現されているか。
1.これは信じがたい。なぜなら、最適化の結果は 統計的な研究ではなく、真空中の球形の馬の研究であり、次元の呪いによってしばしば（というか、ほとんど常に）解釈不能だからだ。
2.「暗黙の最適化」は、あなたが個人的に考案した用語であり、そのようなものは存在しないし、言及することもできない。統計的研究は統計的研究であり、事象の定量化と確率の推定である。
3.規則性については、（統計的研究に基づく）その存在の仮説がボットによって確認されたときに語ることができる。つまり、規則性の存在に関する統計的結論が、実際に確認されることである。ここでは、統計的仮説の確認と棄却という暗い森には触れない。アレクセイ・ニコラエフが書いているように、これは良いことだろう。また、元の仮説が「月の下には永遠に何もない」という選択肢を許容している場合、このような検定には信頼限界がまったく定義されていない。この意味で、「規則性」とは、研究対象区間にわたって類似の事象が定量的に繰り返されることであり、多ければ多いほどよいと解釈される。
4. 信頼限界が定義されていないため、統計的有意性がなく、良くも悪くもない。
5.5.EAは、統計的研究で発見されたオリジナルの原理を論文からコピーし、単に最適化したものである。TSの変形は可能な限り単純であるため、最適化も可能な限り単純であり、高い確率で目標を達成することができる。
6.主張させる、何でも。おそらく同意する。
7.繰り返すが、何でもいい。
8.何を見てもいい、方法は提案しない。いつものよく知られた最適化。
9.投稿されたExpert Advisorの例は、fxsaberが最適化を行うことができることを示しています。他には何もない。最適化と統計的研究は異なるものであり（wikipedia参照）、このような比較は素人くさい。最適化は研究の最終段階にあり得ることであり、誰もそれを否定していない。最適化だけを根拠に研究を行うことはナンセンスであり、研究ではない。このことはセイバー氏を含め、誰もがよく知っている。ゴミが入ればゴミが出る。
なぜあなたは意図的に私たちの変換にある種の区別を導入し、それを積極的に擁護するのですか、なぜあなた自身や人々の生活を難しくするのですか？この質問はむしろ修辞的である。実際、このフォーラムにいる人たちは、プログラミング以外のことは知らないんだ。
マックス、ここはコーダーのためのフォーラムなんだ！私は、他のリソースに記事の資料を投稿することをお勧めします。そして、市場の時間とその構造を研究する道を決して断ってはならない。
そして、あなたに現金という恩寵が訪れますように。
実際、このフォーラムにいる人たちは、プログラミング以外のことは何も知らない。
マックス、ここはコーダーのためのフォーラムなんだ！私は、他のリソースに記事の資料を投稿することをお勧めします。そして、決して市場の時間とその構造を研究する道を断ってはならない。
そして、あなたに現金という恩寵が訪れますように。
ここでは聾唖電話のような効果があると思います。
あなたの祈りによって、アレクサンダー ))
最適化を簡単に言うと
最適化とは、閉ループシステム内の目標パラメータの最大値を提供するパラメータ群の値を探索する ことである。
この探索は、意図的に値を探索し、その結果を目標パラメータで検証するものであれば、研究とみなすことができる。
また、値の依存関係に関するデータを収集し、結論を導くのであれば、それは統計的研究である。(遺伝的アルゴリズムは これを自動化し、我々はそのプロセスに気づかない）。
しかし- 統計的研究は最適化の本質ではなく、唯一の部分である。
fxsaberはこう書いている。"あらゆる最適化の結果は、たとえ100％の解釈がないとしても、統計的研究である。"
しかし、最適化の結果は 目標パラメーターにおいて最大の結果をもたらすシステムパラメーターの最適値.そして統計的研究は、テスターで自動的に機能するツールであり、手段であり、最適化プロセスの一部なのです。
おっと。この区画をあと2つもらえる？連続なら悪しからず。
これが "あと2、3区画 "だ。
実際、このフォーラムにいる人たちは、プログラミング以外のことは何も知らない。
マックス、ここはコーダーのためのフォーラムなんだ！私はあなたが他のリソースに記事の資料を投稿することをお勧めします。
最適化について簡単に言うと
最適化とは、閉ループシステム内で、目標パラメータの最大値をもたらすパラメータ群の値を探索する ことである。
この探索は、意図的に値を探索し、その結果を目標パラメータで検証するものであれば、研究とみなすことができる。
値の依存関係に関するデータを収集し、結論を導き出すのであれば、それは統計的研究である。(遺伝的アルゴリズムは これを自動化し、我々はそのプロセスに気づかない）。
しかし- 統計的研究は最適化の本質ではなく、その一部でしかない。
fxsaberはこう書いている。"たとえ100％の解釈がないとしても、最適化の結果は統計的研究である"。
しかし、最適化の結果は 目標パラメーターにおいて最大の結果をもたらすシステムパラメーターの最良の値である。.そして統計的研究は、テスターで自動的に機能するツールであり、手段であり、最適化プロセスの一部なのです。
初期仮定（統計的研究）なくして最適化はなく、最適化するものは何もない。あなたの空想を最適化することは可能だが、その場合も結果はピンクのポニーの形になるだろう。
一般的な統計調査と最適化で得られる統計を混同してはならない。そうしないと尻尾が犬を振り始める。
引用文献へのリンクを示すといいだろう。
可能であれば、私はターミナル自体で分析することを好むので、私は私のインジケーターの一つを取り、累積された過去のサイクルに加えて、純粋な形で増分値を表示するためにそれを少し補った：
これは1時間ごとのローソク足の平均であり、M15の中央値ではありませんが、類似点があります。
2016年（遺伝学）のWFOを以下の設定で実行した：12カ月で最適化、3カ月で順張り（合計12 パス）。レポートを入手した：
inMaxAbsoluteDDとinMinTradesは使用されていない。
可能であれば、私はターミナル自体で分析を行いたいので、私のインジケーターの一つを取り出し、過去の累積サイクルに加えて、純粋な形で増分値を表示するように少し補足したところ、このような画像が得られた（記事のオリジナルに重ね合わせたもの）：
これは1時間ごとのローソク足の平均であり、M15の中央値ではないが、類似点がある。
2016年（遺伝学）のWFOを以下の設定で実行した：12ヶ月で最適化、3ヶ月で順張り取引（合計36パス）。レポートを入手した：
inMaxAbsoluteDDとinMinTradesは使用されていない。
時間ごとの統計はないのでしょうか？
すなわち、最初の仮説：ある時間帯は平均して増分が増加する、すなわちその時間帯に最大利益に達する。最適化によって1時間ごとの利益の統計を取れば、（TSに新しいパラメーターを追加することなく）仮説を確認／反証できる。
また、オプティマイザーが他の時間帯を見つけた場合、それはフィッティングになる。これは、TCのパラメーターの数が増えると非常に起こりやすい。つまり、遺伝学は間違った場所で取引することになり、仮説から何も見つけられなくなる（オプションとして）。