FórumSeções

O algoritmo genético e suas possíveis aplicações - página 2

Novo comentário
A meta é estabelecida no otimizador incorporado, mas não diretamente.

1. você define seu indicador como uma função que define a curva de lucro da estratégia
2. O otimizador toma como alvo o lucro obtido com a estratégia

Possíveis aplicações da GA são mencionadas aqui
Se eu entender corretamente, a "reprodução cruzada" pode ser feita entre "genes" (parâmetros) idênticos de indivíduos (cópias do mesmo sistema com valores diferentes dos mesmos parâmetros).

Neste caso, o "cruzamento" deve ser uma simples média (soma de dois valores divididos por dois, de dois parâmetros, de dois cromossomos idênticos na estrutura)?

Quer dizer, os valores dos parâmetros opostos das cópias de um sistema são somados, divididos por dois, e uma terceira cópia do sistema é obtida, com os valores médios dos parâmetros?
RomFil:
não há maneira de fazer seu alvo

OnTester() não funciona?

Реter Konow:
Se eu entender corretamente, a "reprodução cruzada" pode ser feita entre "genes" (parâmetros) idênticos de indivíduos (cópias do mesmo sistema com valores diferentes dos mesmos parâmetros).

Neste caso, o "cruzamento" deve ser uma média simples (a soma de dois valores, dois parâmetros, dois "cromossomos" idênticos em estrutura)?

Você pode fazer o que quiser, há dezenas de variações.

Dmitry Fedoseev:

https://www.mql5.com/ru/search#!keyword=proprietário%20critério%20optimização

Ótimo! Eu não sabia que cinco tinham tal característica ... :) Ainda estou trabalhando em quatro... :) Obrigado.

Então é isso. A questão está fora ... :)
RomFil:

Ótimo! Eu não sabia que cinco tinham tal característica ... :) Ainda estou trabalhando em quatro... :) Obrigado.

Então é isso. A questão está fora ... :)
Na verdade, "esta característica" já existe desde quatro ))))
SeriousRacoon:
Na verdade, "esta característica" já existe desde quatro ))))
Então eu sou um "nerd" ... :)
Реter Konow:
A abordagem em si não é suficiente. Pode servir como uma ferramenta para "polir" sistemas acabados - teste e depuração.
Os sistemas em si não podem ser construídos desta maneira. Você precisa de um algoritmo diferente. Quando ela for inventada, a GA será lembrada.

Já vi tais métodos de caras que trabalham nos chamados projetos de "vida artificial". Coisas interessantes. À primeira vista, parece papa, mas a genética faz genes "inteligentes" a partir de papa através de milhões de passagens.

Aleksey Mavrin:

Vi esses métodos de caras que trabalham nos chamados projetos de "vida artificial". Coisas interessantes. À primeira vista, parece papa, mas a genética faz genes inteligentes a partir de papa através de milhões de passagens.

Você quer dizer "inteligente" - otimizado e adaptado a um determinado ambiente?

OK. Criamos um ambiente fechado, a partir de um complexo de sistemas que interagem entre si. Por exemplo: indivíduos de três genes "devoram" (anexam e crescem) indivíduos de dois genes se não conseguem "escapar" deles (digamos que os genes X e Y são coordenadas no avião). O indivíduo de três genes tem um gene Z adicionado - a terceira dimensão. Tem uma vantagem. A tarefa do indivíduo de dois genes é sobreviver e não ser pego, e a tarefa do indivíduo de três genes é pegar os dois genes o mais rápido possível e economizar tempo e recursos.

O objetivo: o indivíduo geneticamente mais fraco deve calcular o geneticamente mais forte para sobreviver.
Aleksey Nikolayev:

OnTester() não é adequado?

Sim, no modo de otimização genética por "Máximo critério do usuário" o AG do testador irá maximizar o resultado obtido com o duplo OnTester() - tudo funciona, mas há um problema na automação "para animar o AG" quando ele começa a convergir em torno do máximo local encontrado e não quer procurar outras opções por parâmetros de entrada, em geral, na sintonia fina que você tem que ajudar o AG adicionando condições ao OnTester() ou dividindo os parâmetros de otimização em vários intervalos

123456789...15
Novo comentário