Discussão do artigo "Algoritmos de otimização populacional: busca por difusão estocástica (Stochastic Diffusion Search, SDS)"
Até o momento, tenho pouco conhecimento sobre a implementação. Portanto, minha pergunta é.
Se apenas metade dos parâmetros de entrada deve ser otimizada no FF, é possível pedir para otimizar ostensivamente todos os parâmetros de qualquer forma, mas apenas a metade "desnecessária" deve ter um intervalo imutável?
Até o momento, tenho pouco conhecimento sobre a implementação. Portanto, aqui vai uma pergunta.
Se apenas metade dos parâmetros de entrada deve ser otimizada no FF, é possível pedir para otimizar ostensivamente todos os parâmetros de qualquer forma, mas apenas a metade "desnecessária" deve ter um intervalo imutável?
Sim, é claro, defina o intervalo dos parâmetros correspondentes MIN=MAX (a etapa não terá importância, você pode definir qualquer uma), se eu entendi a pergunta corretamente. Nesse caso, esses parâmetros serão emitidos com o mesmo valor.
Em geral, o algoritmo não causa o cálculo do FF, portanto, ele só pode exibir opcionalmente os parâmetros necessários ao usuário.
1 - É possível dimensionar ou normalizar (Zscore-MinMax-Logistic-LogNormal) a entrada e a saída?
2 - Em vez da otimização dos parâmetros do indicador, é possível prever os sinais ideais de compra e venda x barras à frente?
Qual é a qualidade desse algoritmo para encontrar os máximos e mínimos locais e globais?
Obrigado.
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Algoritmos de otimização populacional: busca por difusão estocástica (Stochastic Diffusion Search, SDS) foi publicado:
O artigo aborda a busca por difusão estocástica, SDS, um algoritmo de otimização muito poderoso e prático, baseado nos princípios de passeio aleatório. O algoritmo permite encontrar soluções ótimas em espaços multidimensionais complexos, possuindo uma alta velocidade de convergência e a capacidade de evitar extremos locais.
Fatos interessantes:
1. A busca por difusão estocástica (SDS) foi a primeira metaheurística de inteligências de enxame que pertence à família de algoritmos naturais de pesquisa e otimização. Outros exemplos desses algoritmos incluem a otimização por colônias de formigas, otimização por enxame de partículas e algoritmos genéticos.
2. Ao contrário da otimização por colônias de formigas, baseada em comunicação estigmergética, o SDS utiliza uma comunicação direta entre agentes, semelhante ao mecanismo de chamada em tandem usado pelas formigas da espécie Leptothorax acervorum.
O algoritmo SDS é baseado na avaliação parcial e econômica de uma hipótese (solução candidata para o problema de pesquisa) pelos agentes. Aqui, os agentes trocam informações sobre as hipóteses através de comunicação direta face a face. Por meio do mecanismo de difusão, soluções de alta qualidade podem ser identificadas a partir de agrupamentos de agentes com a mesma hipótese.
Jogo da caça ao ouro
Um grupo de amigos, consistindo em mineiros experientes, descobre sobre a possibilidade de encontrar ouro nas colinas de uma cadeia montanhosa. No entanto, eles não têm informações sobre onde exatamente o lugar mais rico em ouro está localizado. Em seus mapas, a cadeia montanhosa é dividida em várias colinas separadas, cada uma contendo um conjunto de veios que requerem mineração. A probabilidade de descobrir ouro ao longo do tempo é proporcional à sua riqueza.
Para maximizar sua riqueza coletiva, os mineiros devem identificar a colina com os veios mais ricos em ouro, para que o máximo número de mineiros possa minerar lá. No entanto, essa informação não está disponível antecipadamente. Para resolver este problema, os mineiros decidem usar uma simples busca estocástica por difusão.
O processo de mineração começa com cada mineiro sendo aleatoriamente designado a uma colina para minerar (sua hipótese de colina). Todos os dias, a cada mineiro é aleatoriamente escolhido um veio em sua colina para ele explorar.
Autor: Andrey Dik