Discussão do artigo "Importância da qualidade do gerador de números aleatórios no desempenho dos algoritmos de otimização"
Obrigado. Eu estava esperando mais impacto. Talvez haja algumas situações especiais em que a qualidade do HHR seja mais revelada.
Sim, eu também esperava muito mais influência. Mas, como se viu, a qualidade da otimização é muito mais influenciada pela estratégia do próprio algoritmo do que pela qualidade do DST, e essa é uma informação valiosa por si só.
Bem, é claro, se não levarmos em conta os DSTs francamente tortos com enormes distorções de dezenas de por cento, mas não faz sentido usá-los de qualquer forma.
Tópico divertido. Na minha opinião, ou os números são aleatórios ou de qualidade!
Se você encontrar 100 libras, a aleatoriedade é qualitativa, mas ser atropelado por um carro não é qualitativo?
É por isso que não há influência, porque não deveria haver. E se o SGD apresentar alguns desvios ruins, então ele não é um SGD, mas um gerador de uma tarefa errônea para gerar esses mesmos desvios (ou seja, alguma função). Há requisitos para o DGS. Na minha opinião, para que o gerador seja adequado para testes, basta estar próximo a esses requisitos.
Tópico divertido. Na minha opinião, ou os números são aleatórios ou de qualidade!
Se você encontrou 100 libras, a aleatoriedade é qualitativa, mas ser atropelado por um carro não é qualitativo?
É por isso que não há influência, porque não deveria haver. E se o SGD apresentar alguns desvios ruins, então ele não é um SGD, mas um gerador de uma tarefa errônea para gerar esses mesmos desvios (ou seja, alguma função). Há requisitos para o DGS. Na minha opinião, para que o gerador seja adequado para testes, basta estar próximo a esses requisitos.
Parece que você não leu o artigo.
Não confunda processos aleatórios na natureza com números aleatórios obtidos com a ajuda do DGS. Os HGFs vêm em muitas formas e o número de testes em que são aprovados varia muito. Quanto mais testes diferentes um gerador passar, melhor ele será.
Para cada cálculo do FF, há uma chamada para o GCH para gerar um vetor de FFs de entrada. O FF de negociação é muito mais pesado do que o GSC, portanto, a ponderação do GSC não deve ser perceptível.
Agradeço ao autor pelo tutorial e experimento do GFG. Eu gostaria de ver uma natureza diferente de FF no futuro.
Para cada cálculo do FF, há uma chamada para o GCH para gerar um vetor de FFs de entrada. O FF de negociação é muito mais pesado do que o GCH, portanto, a ponderação do GCH não deve ser perceptível.
Portanto, o GF é capaz de desacelerar bastante o processo geral, e o Vortex de Mersenne está longe de ser o GF mais lento (em parte, foi por isso que ele foi escolhido, pois é relativamente rápido e passa no teste de uniformidade), embora o FF em si, é claro, geralmente tenha um peso muito maior.
Agradecemos ao autor pelo tutorial e pelo experimento do HGF.
Gostaria de ver um FF de natureza diferente no futuro.
Obrigado pelo feedback.
Você quer dizer: incluir um "teste de negociação" sintético na lista de recursos de teste? Isso pode ser feito, mas acho que esse teste de comércio sintético seria quase idêntico em propriedades à função Megacity discreta, você pode testá-la também.
- 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 Importância da qualidade do gerador de números aleatórios no desempenho dos algoritmos de otimização foi publicado:
Neste artigo, analisaremos o gerador de números aleatórios Mersenne Twister e o compararemos com o gerador padrão do MQL5. Veremos como a qualidade dos geradores de números aleatórios influencia os resultados dos algoritmos de otimização.
Quando se trata de aplicar algoritmos de otimização, muitos leitores de artigos se interessam em saber qual é a importância de usar um gerador de números aleatórios de alta qualidade. A resposta a essa pergunta não é tão simples quanto pode parecer à primeira vista. Porém, é intuitivamente óbvio que a qualidade dos números aleatórios se reflete de forma significativa na capacidade de busca dos algoritmos, já que os algoritmos populacionais se baseiam principalmente na busca estocástica.
Tentemos responder a essa pergunta juntos, mas, antes de começarmos, vamos aprender sobre os diferentes tipos de geradores de números aleatórios, como afetam os resultados e onde encontrar versões confiáveis.
Os geradores de números aleatórios (GNA) são algoritmos ou dispositivos que criam uma sequência de números ou valores que aparentam ser aleatórios. É importante destacar que, nas ciências da computação e na matemática, essas sequências são geralmente chamadas de 'pseudoaleatórias', pois são geradas por algoritmos determinísticos, e não por processos verdadeiramente aleatórios.
Autor: Andrey Dik