기고글 토론 "모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG)" - 페이지 8

새 코멘트
 
mytarmailS #:
왜 그럴까요?

윈드스크린을 테이프로 붙인 채 백미러만 보고 낯선 도로에서 자동차를 운전할 수 있을까요?

 
Nikolai Semko #:

윈드스크린을 테이프로 붙인 채 백미러만 보고 낯선 도로에서 자동차를 운전할 수 있을까요?

끊임없이 변화하는 고정되지 않은 환경에서 일정한 매개변수로 작동하는 것은 아무리 순진한 생각이라고 해도 지나치지 않습니다....

아이디어로.
최적화 표면은 동적이라고 생각하면 천천히 변화합니다.

이를 시계열로 변환하면 이 역학을 예측할 수 있습니다... 그래서 내일의 TC 최적 파라미터를 알 수 있습니다.
 
mytarmailS #:
끊임없이 변화하는 비고정적 환경에서 일정한 매개변수로 운영한다는 것은 순진한 생각일 뿐입니다....

아이디어로 말이죠.
최적화 표면은 동적으로 상상하면 천천히 변화합니다...

이를 시계열로 변환하면 이 역학을 예측할 수 있습니다... 따라서 내일과 어제에 대한 TS의 최적 파라미터를 알 수 있습니다.

변화하는 환경(이 경우 최적화 표면)에서는 특정 시점에 멈추는 것이 중요한 것이 아니라 다음 순간에 이 지점이 어디로 내려가거나 올라갈지가 중요합니다. 또한 가속 또는 감속과 함께 위쪽으로 이동하는지 여부가 중요합니다.
즉, 상승하는 언덕의 한 지점을 선택했지만 다음 순간에 상승률이 둔화되기 시작하면 하락하는 저점의 지점을 선택했지만 다음 순간에 하락률이 둔화되는 것보다 더 나쁜 결정이 될 것입니다.
55% 이상의 확률을 가진 예측 모델이 없으면 어떤 전략도 아무 소용이 없습니다.

 


자금 선은 50% (더 나은 60%) 이상 잔고 선 위에 있어야합니다.
상단 신호로 이동하여이 두 선이있는 하단 차트를보십시오.
거의 모든 사람들이 대부분 잔고 선 아래에 녹색 선 (자금 선)이 있습니다.
사람들이 수익을 늘리지 않고 많이 성장하는 이유를 이해하지 못합니다.



이렇게 해야 합니다.


 
표준 GA에 대해, 그것이 무엇이며 왜 테스트에 포함되지 않는지 알려 드리겠습니다.
표준 GA는 가장 오래된 AO 중 하나이며 동시에 가장 강력한 알고리즘 중 하나입니다. 이진 알고리즘이므로 모든 제한 사항, 옵트 매개 변수의 수 및 단계가 있습니다. 요점은 이진 염색체에는 길이 제한이 있으며 이에 대해 할 수있는 일이 없다는 것입니다.
염색체 길이에 대한 제한 외에도 (그리고 이것은 옵트 매개 변수의 수뿐만 아니라) 동적 단계를 적용 할 수 없다는 것과 같은 다른 단점이 있으며 제로 단계를 적용 할 수 없다는 것은 말할 것도없고 다른 단점이 있습니다.
모든 단점에도 불구하고 오늘날에도 여전히 가장 강력한 알고리즘 중 하나입니다.
기사의 테스트는 제로 스텝으로 수행되므로 표준 Ga를 테스트하고 테이블에 입력 할 수 없으며 이러한 테스트에 사용할 수 없습니다. 그러나 이전에 2 me로 테스트를 위해 가능한 최소 단계로 Ga를 테스트하려고 시도했으며 이제는 10 개의 매개 변수로 모든 기능에 거의 완전히 수렴합니다! 그러나 테스트에서와 같이 100 개 이상의 매개 변수를 사용하는 것은 적용 할 수 없으며 염색체 길이에 제한이 있습니다.
결론. 표준 HA (바이너리)는 도덕적으로나 물리적으로 쓸모가 없습니다. 개발자를 불쾌하게하려는 목적이 없으며 사실 일뿐입니다.
선박이 대극장의 광대 함을 탐험하고있을 때, 즉 모든 종류의 채팅방에서 사는 방법과 살지 않는 방법을 조언하는 시점에서 MT5에 여러 AO를 추가 할 가능성을 고려할 때 의심 할 여지없이 사용자에게 기회를 확대 할 것입니다.
 
"한 가지 말씀드리자면, 악의는 없습니다."(원래는 다르게 들립니다).
FF가 정적이든 동적으로 변화하든 아무런 차이가 없습니다! 요점은 AO가 얼마나 빨리 수렴할 수 있는지입니다. 즉, AO는 FF가 변화하는 것보다 더 빨리 매개 변수를 조정할 수 있습니다 (그래야 합니다).
오랫동안 신경망을 적용하여 AO의 컨버전스를 높이는 방법을 고민했습니다..... 그런 것조차도 가능한 시대가 온 것 같습니다.
FF가 변하든 변하지 않든 AO는 여전히 맹목적으로 검색합니다. 절망적으로 보이는 임무의 성공을 결정하는 것은 검색 전략입니다.
 
Andrey Dik #:
"한 가지 말씀드리자면, 악의는 없습니다."(원래는 다르게 들립니다).
FF가 정적이든 동적으로 변화하든 아무런 차이가 없습니다! 요점은 AO가 얼마나 빨리 수렴할 수 있는지입니다. 즉, AO는 FF가 변화하는 것보다 더 빨리 매개 변수를 조정할 수 있습니다 (그래야 합니다).
오랫동안 신경망을 적용하여 AO의 컨버전스를 높이는 방법을 고민했습니다..... 그런 것조차도 가능한 시대가 온 것 같습니다.
FF가 바뀌든 바뀌지 않든 AO는 여전히 맹목적으로 검색합니다. 절망적으로 보이는 임무의 성공을 결정하는 것은 검색 전략입니다.
개념을 혼동하지 마세요
FF는 오류를 계산하는 함수입니다.
그리고 OP는 최적화 표면입니다.

전자를 후자라고 부르는 것은 옳지 않습니다.
 
Nikolai Semko #:

변화하는 환경(이 경우 최적화 표면)에서는 특정 시점에 멈추는 것이 중요한 것이 아니라 다음 시점에 그 지점이 어디로 내려가거나 올라가는지가 중요합니다.

내가 뭐라고 썼지? 안 읽었어?

 
mytarmailS #:
개념을 혼동하지 마세요.
FF는 오류 계산을 위한 함수입니다.
그리고 OP는 최적화 표면입니다.

전자를 후자라고 부르는 것은 올바르지 않습니다.

아니요, 혼동하고 계십니다.

FF는 적합도 함수, 즉 일부 평가 기준의 값이며 FF 값의 전체 영역은 표면입니다(다차원일 수 있음).

그리고 "오류 계산을 위한 함수"는 그것과 어떤 관련이 있나요? FF는 "오류 계산을 위한 함수"뿐만 아니라 모든 평가 기준에 대한 일반적인 개념입니다.

그리고 "OP"는 제가 어디에서도 접한 적이 없는 개념입니다.

 
Andrey Dik #:

아니요, 헷갈리셨군요.

FF는 적합도 함수, 즉 일부 평가 기준의 값으로, FF 값의 전체 영역은 곡면(다차원일 수 있음)입니다.

그리고 "오류 계산을 위한 함수"는 그것과 무슨 관련이 있나요? FF는 "오류 계산을 위한 함수"뿐만 아니라 모든 평가 기준에 대한 일반적인 개념입니다.

그리고 "OP"는 제가 어디에서도 본 적이 없는 개념입니다.

적합도 함수는 목표 함수의 아종으로 적합도 함수라고도 하며, 적합도는 오류입니다.



12345678910111213
새 코멘트