Discussão do artigo "Algoritmo de arquearia — Archery Algorithm (AA)"

[MetaQuotes]

Novo artigo Algoritmo de arquearia — Archery Algorithm (AA) foi publicado:

Neste artigo, examinamos detalhadamente o algoritmo de otimização inspirado na arquearia, com foco no uso do método de roleta como mecanismo de seleção de áreas promissoras para a colocação das "flechas". Esse método permite avaliar a qualidade das soluções e selecionar as posições mais promissoras para um estudo mais aprofundado.

O Algoritmo de Arquearia (AA) é um método estocástico de otimização totalmente novo, projetado para encontrar soluções ótimas e inspirado no comportamento do arqueiro ao mirar no alvo.  O AA simula o processo de disparo de flechas em direção ao alvo. Cada membro da população representa uma solução potencial para o problema de otimização, e suas posições no espaço de busca são atualizadas com base no desempenho de um membro "alvo" escolhido aleatoriamente, de modo semelhante ao ajuste da mira de um arqueiro conforme o ponto que deseja atingir. 

A população é representada como uma matriz, em que cada linha corresponde a um membro (solução) e cada coluna representa uma dimensão do problema. Essa estrutura permite avaliar e atualizar sistematicamente as soluções com base em seus valores da função objetivo. O desempenho de cada membro é medido por meio dessa função, que quantifica a qualidade da solução encontrada. Os resultados são armazenados em um vetor, permitindo ao algoritmo comparar a eficácia das diferentes soluções. 

O alvo é dividido em seções, cuja largura corresponde ao desempenho dos membros da população. Calcula-se uma função de probabilidade para determinar a chance de cada membro ser selecionado com base em seu valor da função objetivo, garantindo que os arqueiros mais eficientes tenham maior probabilidade de serem escolhidos. Então, um membro da população é selecionado aleatoriamente com base na probabilidade acumulada, imitando a escolha de um alvo pelo arqueiro. Essa seleção influencia a forma como as posições dos outros membros são atualizadas. O algoritmo atualiza a posição de cada arqueiro no espaço de busca por meio de equações específicas. A atualização depende do valor da função objetivo do arqueiro escolhido em comparação ao valor atual. Esse processo inclui um elemento de aleatoriedade para explorar o espaço de busca. O AA opera de forma iterativa, atualizando a população até que a condição de parada seja alcançada (número máximo de iterações). Durante esse processo, o algoritmo monitora a melhor solução encontrada.

Autor: Andrey Dik

[Ilya Melamed]

Obrigado por sua pesquisa. Mas tenho uma pergunta muito simples, pois sou um simples programador de Expert Advisors no mql5 (não sou matemático). Pode parecer boba para você, peço desculpas antecipadamente. Mas, ainda assim, como sua pesquisa pode ajudar a otimizar os EAs? Você poderia me dar um exemplo. Digamos que temos um novo EA e queremos otimizá-lo, e ....? Obrigado.

[Andrey Dik]

Ilya Melamed otimizar os EAs? Você poderia me dar um exemplo. Digamos que temos um novo EA e queremos otimizá-lo, e ....? Obrigado.

Obrigado pelo seu interesse em meu trabalho e pela ótima pergunta.

Há muitos cenários para a aplicação de algoritmos de otimização, sempre que você quiser obter a melhor solução entre as possíveis.

Por exemplo, você pode aplicá-lo à auto-otimização de EAs, conforme descrito aqui.

Ou pode ser usado como parte do gerenciamento de otimização de um testador interno, conforme descrito aqui.