記事「人工原子アルゴリズム(A3)」についてのディスカッション

 

新しい記事「人工原子アルゴリズム(A3)」はパブリッシュされました:

化学プロセスから着想を得たメタヒューリスティック最適化手法であるA3アルゴリズムをMQL5で実装します。調整可能なパラメータは2つだけであり、さらに小規模な集団を使用することで、十分な解の品質を維持しながら、高速に動作することを実現しています。

このアルゴリズムでは、最適解を見つけるために、原子と電子の相互作用をモデル化します。基本となる構成要素は原子です。原子は、問題に対する潜在的な解を表します。電子は意思決定変数を表します。そして、共有結合は最良の解を保存し、複製するための演算子として機能します。一方、イオン結合は探索空間を探索し、大域最適解を見つけるための演算子として機能します。 

アルゴリズムは、まず原子の集合をランダムに生成するところから始まります。次に、目的関数を使用して、それぞれの原子の品質を評価します。その後、共有結合およびイオン結合の演算子を適用して、解を改善します。残念ながら、これを具体的にどのようにおこなうのかについては説明されていません。次に、電子の影響を評価する必要があります。しかし、ここでも、その方法は明確ではありません。さらに、電子と原子をソートする必要があります。原子、つまり解をソートすることはできます。しかし、電子をどのようにソートすればよいのでしょうか。これは謎です。まるで人の手足を、腕や脚、右左で無理に並べ替えようとするようなもので、意味がありません。停止条件に達するまで、このプロセスを繰り返し実行します。とはいえ、ことわざにもあるように、手元にあるもので取り組むしかありません。そこで、著者のアイデアを可能な限り反映しながら、実際に動作するアルゴリズムを組み立ててみる必要があります。

人工原子アルゴリズム(A3)


作者: Andrey Dik

 
طاقة كوشي :

新しい記事をご覧ください:「人工解析アルゴリズム(A3)」

著者:アンドレ・ディック

何も理解できませんでした
 
ماريو عطيه # さっぱりわからなかった
短くて、ストレートで、容赦なく正直! 😂
 

私も同じです。最初読んだときはなかなか難しかったです(笑)。アイデア自体は面白そうですが、共有結合やイオン結合のルール、電子の割り当てがはっきりしていないと、アルゴリズムを正しく評価するのは難しいですね。

私にとって役立つのは、例えば2つの原子と数個の変数を使ったシンプルなステップバイステップの例題で、1回の反復処理が解をどのように変化させるかを正確に示してくれることですね。それがなければ、トレーダーが実際に理解したりテストしたりできるものではなく、単なる概念に感じられてしまいます。

 
なんてとんでもない発想なんだ。次はビッグバン理論に基づく最適化の概念について書いてください
 
Chacha Ian Maroa #:
なんてクレイジーな発想なんだ。次はビッグバン理論の最適化コンセプトについて書いてほしい
その男はロスコスモスにうんざりして、代わりにmql5.comにたどり着いた。
 

私の評価

公園に隠されたおもちゃを探している100人の子供たちの グループを想像してみてください。

それぞれの子どもは、それぞれ違う場所からスタートします。

アルゴリズムは次のように動作します:

  1. 最初のラウンドで、アルゴリズムはすべての子供たちを公園内のランダムな場所に分散させます。
  2. その後、各ラウンドで:
    • 一部の子どもたちは、おもちゃに最も近い子どもを確認し、その方向へ少し歩きます。
    • 他の子どもたちは、順調に進んでいる子どもたちの中からランダムに選ばれた1人の後を追います
    • 時折、ある子供が、もっと良い道が見つかるかどうか確かめるために、まったく新しい場所を探索することにします
  3. 子供が公園から出ようとしたときはいつでも、アルゴリズムはこう言います:

    「だめ!公園の境界線の中にとどまって。」

  4. このプロセスが何度も繰り返されます。

最終的には、みんながより良い道を見つけている子から学び合うことで、グループ全体が次第におもちゃに近づいていきます

一言で言えば:

このアルゴリズムは、複数の「人」に問題解決を試みさせ、最良の解決策から学び、時にはさらに良い解決策を見つけるために新しい場所を探索させます。


注:コードはまだ中級レベルであり、若干の調整が必要です。


 
Chacha Ian Maroa #:
なんてクレイジーな発想なんだ。次回は、ビッグバン理論の最適化という概念について書いてください

;D

https://www.mql5.com/ja/articles/16963

Algoritmo da viagem evolutiva no tempo — Time Evolution Travel Algorithm (TETA)
Algoritmo da viagem evolutiva no tempo — Time Evolution Travel Algorithm (TETA)
  • 2025.07.08
  • www.mql5.com
Meu algoritmo original. Neste artigo é apresentado o Algoritmo da Viagem Evolutiva no Tempo (TETA), inspirado no conceito de universos paralelos e fluxos temporais. A ideia central do algoritmo é que, embora a viagem no tempo no sentido convencional seja impossível, podemos escolher uma sequência de eventos que leva a diferentes realidades.