記事「最適化アルゴリズムの効率における乱数生成器の品質の役割」についてのディスカッション - ページ 7

 
アルゴリズムはこのアドレスに 置く。そしてコードベースに公開する。
GitHub - JQSakaJoo/Population-optimization-algorithms-MQL5: Population optimization algorithms
GitHub - JQSakaJoo/Population-optimization-algorithms-MQL5: Population optimization algorithms
  • JQSakaJoo
  • github.com
Population optimization algorithms. Contribute to JQSakaJoo/Population-optimization-algorithms-MQL5 development by creating an account on GitHub.
 
fxsaber #:

ちょっと待ってください。アンドリューのアルゴリズムは、まさにMT5-Testerが行っている最適化を担当しています。引用したものでは、最適化アルゴリズムのオーバーハングについて話していますね。

この議論では、MT5-Testerのアルゴリズムとは形式的には競合しないが、全く異なる検索タスクを解決する、ある種の最適化アルゴリズムをまだ感じることができる。アンドレイの一連の記事にはそのようなアルゴリズムはなかった。

まさにそうである。「オーバーレイ」、追加の(非常に重要な)ツールキットであり、IMHOはアンドレイが追加することに何の問題もないだろうと考えている。私は冒頭で、便利なはずのこのツールキットに気づかなかったと書いた。今、何らかの理由で、洗練された「最適化アルゴリズム」に限定し、より実用的な意味での「最適化」の完成解には触れないという政治的決定が下された。モハーベ砂漠でスピード記録を出すために車を設計しても、荒れた地形や山の蛇紋岩を走らなければならないので、ほとんどの人は使わないようなものだ。;-)

PS.このツールキットは標準のオプティマイザーにもありません。一応フォワードテストはあるが、あまり役に立たない。

 

取引、自動取引システム、取引戦略のテストに関するフォーラム

論文 "最適化アルゴリズムの効率性における乱数発生器の品質の役割 "についての議論

fxsaber、2024.03.30 18:16

GAの別の実行として各反復の前に、(前の反復で)発見された頂点の領域が突き出されている とき、反復的なアプローチを提案した。

そのような真正面からのアプローチでも、私はうまくいくだろう。しかし、多次元空間でどのように面積を決定するのか理解できません。

FFの計算値(10,000個とする)から、見つかったグローバルピークの面積を求める方法があれば教えてください。FFの次の繰り返しで、この領域に-DBL_MAXを強制する。

 
fxsaber #:

そのような正面からのオプションでさえ、私には有効だろう。しかし、多次元空間で突く範囲をどのように定義するのか理解できない。

FFの計算値(10,000個とする)によって、発見されたグローバルピークの面積をどのように決定するか?FFの次の繰り返しで、この領域に-DBL_MAXを強制する。

最大値を持つ最も近い点をいくつか取り出して、その「重心」の座標を計算すればよい。その際、点間の最小距離をあらかじめ決めておく必要がある。
 
Andrey Dik #:
最大値を持つ最も近い 点をいくつか選び、その「重心」の座標を計算することができる。その際、点間距離の最小値を求める必要がある。

点間距離の計算方法がわからない。各座標にはそれぞれオウムがある。

この座標の最適化範囲のある部分を座標のオウム返しにしようと考えた。


例えば、楽天X4の-5から+5まで、オウムは区間長(10)の1%に(条件付きで)等しい。

 
Stanislav Korotky #:

まさにそうだ。"天蓋 "であり、追加の(非常に重要な)ツールキットであり、IMHOではアンドレイが追加しても問題はないだろう。私は冒頭で、便利なはずのツールキットであるにもかかわらず、それを記事で目にすることはなかったと書いた。今、何らかの理由で、洗練された「最適化アルゴリズム」に限定するという政治的決定が下され、より実用的な意味での「最適化」ソリューションの完成形には触れられていない。それは、モハベ砂漠でスピード記録を出すために車を設計するようなもので、荒れた地形や山の蛇紋岩を走らなければならないので、ほとんどの人は使わないだろう。;-)

PS.このツールキットは標準のオプティマイザーにもありません。一応フォワードテストはあるが、あまり役に立たない。

用語について説明したかったのだが、今はその必要性があるのかどうかもわからない......。

いや、最適化アルゴリズムを解析して徹底的に研究することは、自動車を作ることではなく、内燃機関の原理の機微を理解することに似ている。そしてこれらの原理は、トラクターやボリデーを作るのにも使える。

 
fxsaber #:

点間の距離を計算する方法がわからない。各座標にはそれぞれパロットがあります。

この座標の最適化範囲のある部分を座標のオウム返しにしようと考えた。


例えば、楽天X4の-5から+5まで、オウムは区間長(10)の1%に(条件付きで)等しい。


相対的な範囲、例えば-1;1を取る。
パラメーターの範囲をこの範囲にする。
重心 "を計算する。
重心の座標を元のパラメータ範囲に入れる。
 
Andrey Dik #:

相対的な範囲を採用する。
パラメータの範囲をこの範囲にする。
重心 "を計算する
重心の座標を元のパラメータ範囲に戻す。

重心は取らない。最良の点の座標だけだ。

 
このような特集を組んだ。
input double X = 0;

double OnTester() { return(MathTan(X)); }

わけのわからない結果。繰り返しのポークを実装すれば、たくさんの "石 "を見つけることができるだろう。

タンジェントは失敗したFFで、TS-FFはもっと簡単に突き刺すことができる。

 
fxsaber #:

重心は取らない。最良の点の座標を取るだけだ。

しかし、一般的には、パラメーターの範囲をAOの外側の1つのスケールに持ってくる必要がある。まあ、または一度に、AOは、単一の測定システムの座標を持つ空間で動作します。