遺伝的アルゴリズムは、ある意味、進化そのものと同じように盲目である。GA は新しい個体を繁殖させるとき、目標関数について何も知らない。GAとは別に適応度をテストし、最も適応度の高い個体をGAに戻し、その親から新しい個体を産み出す。これは、進化的手法による淘汰の主な美点である、開発目標（我々の文脈では）に対する完全な無知であり、ターゲット機能である。また、GA 自体と対象機能が同じソフトウェア製品、つまりコードの中にあることは、対象機能が GA の一部であることを意味しない。
遺伝的アルゴリズムは、ある意味、進化そのものと同じように盲目である。GAが新しい個体を繁殖させるとき、目標関数については何も知らない。GAとは別に 適応度をチェックし、最も適応度の高い個体をGAに戻し、その親から新しい個体を産み出す。これは、進化的な淘汰の方法の主な美点である、発達の目標、私たちの文脈では、目標関数の完全な無知であることです。また、GA 自体と対象機能が同じソフトウェア製品、つまりコードの中にあることは、対象機能が GA の一部であることを意味しない。
私は原子のシステムから複雑なシステムを構築した経験はありませんが、あなたのようなアイデアは以前から持っていました。ストラテジーテスターのオプティマイザーは、この目的には適していません（ユーザー定義の任意のターゲット関数を設定することができません）。現在、最適化機能を持った独自のストラテジーテスターの開発に取り組んでいます。
追伸：もしかしたら、このような可能性があると、MT5で幸せになれるかもしれませんね。
うん。目標関数を設定できるオプティマイザが必要である。もしかしたら、需要がないだけかもしれません。でも、今はまだ。良い見本が必要です。
うん。自ら目標関数を設定する機能を持つオプティマイザーが必要である。需要がないだけかもしれませんが。でも、それは今のところです。良い見本が必要です。
それだけではありません。このオプティマイザは、最も単純なシステムの最適化にも不向きです。(禁止される-禁止されない？)テスター自体は素晴らしいと思いますが。
良い例ですか？お願い！どんな、比較的単純なシステムでも、ターゲット関数Balanceで最適化すると、何が得られるか？そうですね。遺伝的アルゴリズムにより、様々な選択肢の中から最もバランスの良いものが選ばれます。300回のトレードで負け、数回のトレードで保証金が数倍になったシステムも含まれます。それは必要ない。残りの目標機能であるプロフィットファクター、最大ドローダウンなどを選択しても、同じように片寄りが生じます。
Mathematがシステムの最適化を決めた場合、先に述べたような問題が発生することは言うまでもない。
それだけではありません。オプティマイザーは、最も単純なシステムの最適化にも不向き です。(禁止されるかな～禁止されないかな？)テスター自体は素晴らしいと思うのですが。
良い例ですか？お願い！どんな、比較的単純なシステムでも、ターゲット関数Balanceで最適化すると、何が得られるか？正解です。遺伝的アルゴリズムでは、さまざまな選択肢の中から、最もバランスのよいものを選びます。300回のトレードで負け、数回のトレードで保証金が数倍になったシステムも含まれます。それは必要ない。残りの目標機能であるプロフィットファクター、最大ドローダウンなどを選択しても、同様の偏りが生じます。
Mathematicsが先に述べたようにシステムの最適化を決定した場合に発生する問題は言うまでもない。
すべて承知しています。でも、オプティマイザーとしての知識は十分ではありません。そして、自分のターゲット関数の使用についてですが、標準オプティマイザで結果をファイルに保存した状態で、必要に応じて自分でやっています。しかし、私の見るところ、既存のオプティマイザーにはターゲットとなる関数が存在しない。そこには、最適な（最適ではない）解を得るためのパラメータがあるだけである。でも、何をもってベストとするかはわからない。しかし、出来上がった解が最適解でないことは確かです。
全部知っていますよ。しかし、オプティマイザーの知識は十分ではありません。そして、自分のターゲット関数を使うことについてですが、必要であれば自分でやって、その結果を標準のオプティマイザーでファイルに保存しています。しかし、私の見るところ、既存のオプティマイザーにはターゲットとなる関数が存在しない。そこには、最適な（最適ではない）解を得るためのパラメータがあるだけである。でも、何をもってベストとするかはわからない。でも、その結果、最適な解が得られないのは確かです。
申し訳ありませんが、ターゲット機能がないのは間違いです。バランス（その他）は、それを最大化しようとする遺伝的アルゴリズムの目標関数である。また、「最適化」タブにあるパラメータは、得られた結果をふるいにかけるためのフィルターに過ぎません。開発者の方、確認お願いします。:)
申し訳ありませんが、ターゲット機能がないのは間違いです。バランス（その他）は遺伝的アルゴリズムの目標関数であり、これを最大化しようとするものである。また、「最適化」タブにあるパラメータは、得られた結果をふるいにかけるためのフィルターに過ぎません。開発者の方、確認お願いします。:)
バランスで最適化し、それをExcelにコピーし、マクロで任意のターゲット関数による順序付けに使用すればよいのです。ただし、MT4オプティマイザーの結果に基づいてのみ。もちろん、結果として得られる選択肢は、ターゲット関数から見て完全に最適なものとはならないが、そうすれば、さらに最適化されたパラメータの狭い範囲でのテストが可能になる。
曲者でちょっと複雑ですが、可能です :) 。
B.S. 遺伝的アルゴリズムでは、目標関数は最悪の結果を排除するだけでなく、最高の結果には研究を続けるための、つまり「競争を続ける」ためのより多くの資源を与える。
バランスで最適化し、Excelにコピーして、マクロで任意の対象関数を命令するのに使うだけでいいのです。ただし、MT4オプティマイザーで得られた結果に基づいてのみ。もちろん，得られる選択肢はターゲット関数から見て完全に最適なものとはならないが，そうすれば，より狭い範囲の最適化されたパラメータを追加でテストすることができる．
曲者で、ちょっと複雑ですが、可能です :)。
B.S. 遺伝的アルゴリズムでは、目標関数は最悪の結果を排除するだけでなく、最高の結果には研究を続けるための、つまり「競争を続ける」ためのより多くの資源を与える。
最悪の結果をふるい落とすのは、ターゲット関数ではなく、遺伝的アルゴリズムなのです。ターゲット関数は遺伝的アルゴリズムに含まれない。自然界では、「生存」という機能が目標にされています。そして、速く走るだけの個体や、飛ぶだけの個体などの生存ではない。これらの複合的な特性を持つ人が生き残ることができるのです。MTオプティマイザーでは、例えば、速く走るだけの個体（Balance）や、大きくて強い顎を持つ個体（Profit factor）などを選択することができます。人生において、そのような変人は成立しない（実業、つまり人生）。
追伸：また、私の理解が正しければ、Mathematicsは異なる種の個体が同時に生きているエコシステム全体の実装を提案しています。
最悪の結果をふるい落とすのは、ターゲット関数ではなく、遺伝的アルゴリズムなのです。ターゲット関数は遺伝的アルゴリズムに含まれない。
MT4でのGA実装の詳細はわかりませんが、ターゲット関数はGAの一部で、個体のフィットネスを決定し、ランキングし、突然変異/交配/次のエポックへの転送により種の継続の確率を高めるものです。
MT4でのGA実装の詳細はわかりませんが、ターゲット関数は、GAの一部で個体のフィットネスを決定し、順位付けし、突然変異/交配/次のエポックへの転送により種の継続確率を高めるものです。
遺伝的アルゴリズムは、ある意味、進化そのものと同じように盲目である。GA は新しい個体を繁殖させるとき、目標関数について何も知らない。GAとは別に適応度をテストし、最も適応度の高い個体をGAに戻し、その親から新しい個体を産み出す。これは、進化的手法による淘汰の主な美点である、開発目標（我々の文脈では）に対する完全な無知であり、ターゲット機能である。また、GA 自体と対象機能が同じソフトウェア製品、つまりコードの中にあることは、対象機能が GA の一部であることを意味しない。
遺伝的アルゴリズムは、ある意味、進化そのものと同じように盲目である。GAが新しい個体を繁殖させるとき、目標関数については何も知らない。GAとは別に 適応度をチェックし、最も適応度の高い個体をGAに戻し、その親から新しい個体を産み出す。これは、進化的な淘汰の方法の主な美点である、発達の目標、私たちの文脈では、目標関数の完全な無知であることです。また、GA 自体と対象機能が同じソフトウェア製品、つまりコードの中にあることは、対象機能が GA の一部であることを意味しない。
議論することは何もない。最適化タブのパラメータは、結果を選別するためのフィルターなのか」というご質問をいただきました。私は、「いいえ、それは、得られた結果をふるい落とすだけのフィルターではありません」と答えました。フィルターとは、イエスかノーのどちらかのフィルターです。GA は別の方法で実装され、評価関数の結果に基づいて個体がランク付けされます。GAでは、目標関数の値自体も考慮されます。例えば、停止基準として、現在のエポックと以前のエポックの最良値を比較する。
議論することは何もない。最適化」タブにあるパラメータは、結果を選別するためのフィルターなのでしょうか？私は、「いいえ、彼らは、得られた結果をふるいにかけるだけのフィルターではありません」と答えました。フィルターとは、イエスかノーのどちらかのフィルターです。GA は別の方法で実装され、評価関数の結果に基づいて個体がランク付けされます。GAでは、目標関数の値自体も考慮されます。例えば、停止基準として、現在のエポックと以前のエポックの最良値を比較する。
私は何も聞いていません。断言したのです。私は誰も納得させなかったし、これからも納得させない。私のやり方は、外野の意見に左右されることなく通用します。