Discussão do artigo "Algoritmos de otimização populacionais: Algoritmo de mudas, semeadura e crescimento (SSG)" - página 10

Novo comentário
 
Uma espécie de validação cruzada seleciona a melhor agulha ou superfície. E para obter muitas agulhas, você pode otimizar em diferentes partes do histórico. O mesmo ph-id permanecerá o mesmo.
 
Andrey Dik #:

Não posso ser responsável por outros artigos sobre MQL, mas lá as pessoas fizeram algo e compartilharam algo, ao contrário de você.
A wikipedia é apenas uma simples escrita de pessoas que não são responsáveis, e também uma escrita politizada.
Quanto aos meus artigos, o que exatamente não funciona? Pare de tagarelar e faça alguma coisa.
Sim, eu mesmo governei um artigo da wikipédia quando fiz uma promoção 😀 Você envia as pessoas para a wikipédia para dizer: "Veja, ela diz a mesma coisa". É muito engraçado.
 
Andrei, ainda restam muitos outros algoritmos? Faz sentido parar no SSG ou há outros potencialmente mais fortes? )
 
Maxim Dmitrievsky #:
Uma espécie de validação cruzada seleciona a melhor agulha ou superfície. E para obter muitas agulhas, você pode otimizar em diferentes partes do histórico. O ph permanecerá o mesmo.

A propósito, aqui está uma maneira de filtrar os parâmetros que são sempre derramados (insira-os no owls como errôneos e o testador os ignorará). selecione as áreas que são derramadas com mais frequência e, em seguida, use essas áreas derramadas conforme sua imaginação solicitar.

 
Andrey Dik #:

A propósito, aqui está uma maneira de filtrar os parâmetros que estão sempre drenando (insira-os nas corujas como errôneos e o testador os ignorará). selecione as áreas que são drenadas com mais frequência e, em seguida, use essas áreas drenadas conforme sua imaginação solicitar.

Não está muito claro por que o testador não tem uma maneira tão intuitiva de executar várias partes do histórico e da média. Talvez isso seja feito por meio de quadros de alguma forma.
 
Maxim Dmitrievsky #:
Andrei, ainda restam muitos outros algoritmos? Faz sentido parar no SSG ou há outros potencialmente mais fortes? )

Há muitos algoritmos, não sei se há algoritmos mais poderosos.

A tabela está viva, eu adiciono algoritmos a ela à medida que os aprendo, ou seja, não posso dizer que aquele ali é o mais legal, só conheço os que descrevi))))

De fato, já era possível usar formiga, abelha e erva daninha, eles são muito bons.

Chegarei aos híbridos quando tiver analisado todos os conhecidos importantes.

Por enquanto, estou considerando os tipos de população, mas há outros tipos, e será interessante estudá-los também.

 
Maxim Dmitrievsky #:
Até o momento, não entendo muito bem por que não existe uma maneira intuitiva de executar várias partes do histórico e calcular a média delas no testador. Talvez isso seja feito por meio de quadros de alguma forma.
Com o testador/otimizador em geral, surgem muitas ideias novas, não sei se é um desenvolvedor dedicado que faz isso ou se alguém da equipe que está disponível o faz....
 
Nikolai Semko #:
Tirado do contexto. Continue lendo.
Eu estava dizendo que a exatidão da escolha de um ponto no PO não depende de uma colina ou depressão e nem mesmo da velocidade do vetor local de movimento no tempo, mas apenas do sinal do vetor de aceleração (derivada da velocidade), uma parte da qual está no futuro, que não é conhecido.
Portanto, o que estou dizendo é que, ao observar a variação temporal do OD,
podemos fazer uma previsão do próximo OD, o que significa que podemos obter o sinal do vetor de aceleração e o ponto e o ajuste....
Portanto, é o futuro que é desconhecido.


OP é uma superfície de otimização
 

É um grande erro obter ideias a partir da observação de imagens tridimensionais. É como tirar conclusões sobre o caso tridimensional a partir de imagens bidimensionais.

Com dois parâmetros, o número de selas corresponde aproximadamente ao número de máximos - entre dois máximos há uma sela (com um parâmetro não há selas). À medida que o número de parâmetros aumenta, o número de selas se torna muito maior do que o número de extremos e elas se tornam mais diversas. E a principal tarefa da maximização passa a ser não tomar uma sela como um extremo, o que é bem possível devido ao número limitado de pontos de cálculo.

Se houver descontinuidades na dependência do alvo em relação aos parâmetros, haverá uma escuridão total e será simplesmente impossível imaginar todas as variantes multivariadas.

 
Aleksey Nikolayev #:

É um grande erro obter ideias a partir da observação de imagens tridimensionais. É como tirar conclusões sobre um caso tridimensional a partir de imagens bidimensionais.

Com dois parâmetros, o número de selas corresponde aproximadamente ao número de máximos - entre dois máximos há uma sela (com um parâmetro não há selas). À medida que o número de parâmetros aumenta, o número de selas se torna muito maior do que o número de extremos e elas se tornam mais diversas. E a principal tarefa da maximização passa a ser não tomar uma sela como um extremo, o que é bem possível devido ao número limitado de pontos de cálculo.

Se houver descontinuidades na dependência do alvo em relação aos parâmetros, haverá uma escuridão total e será simplesmente impossível imaginar todas as variantes multivariadas.

Sim, é isso mesmo. Imagens tridimensionais são o máximo que podemos ver, mais dimensões não podem ser vistas. Mas precisamos ter uma ideia da superfície para os testes de AO.

Eu uso funções de teste tridimensionais (dois parâmetros), mesmo quando há 1.000 parâmetros nos testes, são 500 funções de teste.

Se a FF for "heterogênea" em parâmetros, como é o caso do Expert Advisor, é impossível imaginar a superfície do giro, mas não é mais difícil do que as funções de teste "homogêneas". Todos os algoritmos nos artigos são testados para "chitting", como, por exemplo, você poderia realmente optar por dois parâmetros e copiá-los para todos os outros parâmetros, então as funções multivariadas de teste clicariam em uma e duas vezes.

Há também um método sobre tendências "paralelas-perpendiculares" (não sei exatamente como se chama) de algoritmos, que é quando um algoritmo resolve melhor os problemas de otimização em que os vértices e as depressões estão localizados vertical e horizontalmente em relação aos eixos de coordenadas; esses algoritmos falham nos testes de funções com rotação (pegue qualquer função de teste e gire-a de 5 a 10 graus).

1...345678910111213
Novo comentário