Discussão do artigo "Algoritmos de otimização populacionais: algoritmo de vaga-lumes"

Novo comentário
 

Novo artigo Algoritmos de otimização populacionais: algoritmo de vaga-lumes foi publicado:

Vamos considerar o método de otimização de vaga-lumes (Firefly Algorithm, FA). Esse algoritmo evoluiu de um método desconhecido por meio de modificações para se tornar um líder real na tabela de classificação.

O algoritmo de vaga-lumes possui três regras baseadas nas características de cintilação dos vaga-lumes reais. São elas:

  1. Todos os vaga-lumes se moverão em direção aos mais atraentes e brilhantes.
  2. O grau de atração de um vaga-lume é proporcional ao seu brilho, que diminui à medida que a distância de outro vaga-lume aumenta devido à absorção da luz pelo ar. Portanto, entre dois vaga-lumes piscando, o menos brilhante se moverá em direção ao mais brilhante. Se não houver um vaga-lume mais brilhante ou atraente que um específico, ele se moverá aleatoriamente.
  3. O brilho ou intensidade luminosa do vaga-lume é determinado pelo valor da função objetivo do problema.


Agora é possível se aprofundar nas complexidades da otimização de vaga-lumes com mais detalhes. A essência do algoritmo é claramente representada na Figura 1.

Fas


Autor: Andrey Dik

 

Obrigado por publicar os resultados de sua pesquisa!

Gostei dos resultados e da metodologia de avaliação, mas existe uma maneira de usar essa técnica de otimização no MT5 EA-Optimizer?

Venho do lado prático e gostaria de saber como posso usar essa nova pesquisa para otimizar EAs melhores e mais estáveis.


Muito obrigado!

 
Eugen Funk #:

Obrigado por publicar os resultados de sua pesquisa!

Gostei dos resultados e da metodologia de avaliação, mas existe uma maneira de usar essa técnica de otimização no MT5 EA-Optimizer?

Venho do lado prático e gostaria de saber como posso usar essa nova pesquisa para otimizar EAs melhores e mais estáveis.


Muito obrigado!

Obrigado pelo feedback!
O cenário comum para o uso desses algoritmos de otimização na negociação é a auto-otimização em Expert Advisors, utilitários, indicadores, para treinamento de redes neurais, em sistemas adaptativos.
 
Andrey Dik #:
Obrigado pelo feedback!
O cenário comum para o uso desses algoritmos de otimização na negociação é a auto-otimização em Expert Advisors, utilitários, indicadores, para treinamento de redes neurais, em sistemas adaptativos.

Obrigado! Você poderia me indicar algum artigo de exemplo que implemente a "auto-otimização"?

 
Eugen Funk #:

Obrigado! Você poderia me indicar algum artigo de exemplo que implemente a "auto-otimização"?

https://www.mql5.com/en/search#!keyword=self-optimization&module=mql5_module_articles

Até onde sei, o tópico de auto-otimização em Expert Advisors para MQL5 não foi totalmente divulgado. Talvez eu deva tentar escrever um artigo sobre esse tópico usando um dos algoritmos de otimização dos meus artigos.

 
Andrey Dik #:

https://www.mql5.com/en/search#!keyword=self-optimization&module=mql5_module_articles

Até onde sei, o tópico de auto-otimização em Expert Advisors para MQL5 não foi totalmente divulgado. Talvez eu deva tentar escrever um artigo sobre esse tópico usando um dos algoritmos de otimização dos meus artigos.

Obrigado pelas dicas.

Hmm, o que eu estava basicamente esperando era uma maneira de executar o otimizador com um algoritmo de otimização diferente (no momento, sempre uso o "algoritmo rápido baseado em genética").

E isso se parece mais com um script/programa que faz tudo no nível inferior. No entanto, não tenho certeza se entendi direito.

Seria ótimo poder substituir o "algoritmo baseado em genética rápida" por alguma classe personalizada que implementasse o cálculo da métrica (resultado: float) e as decisões de exploração de N execuções anteriores.

Novo comentário