выбор железа ( компьютера ) для работы - страница 2

Новый комментарий
 
Vladimir:

Заинтересовался вопросом, а что же предлагают разработчики для оптимизации.

Их методы справляются с овражными функциями?

зачет )))))
 
Alexey Volchanskiy:
А зачем оптимизировать при отладке? Сначала добейтесь работы без ошибок, тут обычное тестирование подойдет Да и облако в тестере не работает, только в оптимизаторе.
Я не о кликаньи в дебаггере, конечно. Отладка в более широком смысле, настройка алгоритма. Советник вообще без параметров - золотая мечта, но пока что такого не придумалось )
 
Alexey Volchanskiy:
зачет )))))

Еще раз перечитал справку по оптимизации советников (сам ей не пользовался, ограничен лишь справкой). По ней выходит, что нет даже простейших методов наискорейшего спуска, покоординатного спуска, Монте-Карло. Либо перебор вариантов с его проклятием размерности, либо неизвестный мне генетический алгоритм. Оба реализованных метода отличаются ресурсоемкостью, длительностью.

Правильно ли я понял ситуацию?

Если да, почему тогда не встречаются надстройки над тестером стратегий, радикально снижающие количество прогонов, реализующие оптимизацию давно изученными методами; вместо этого движение идет в сторону роста требуемых ресурсов?

 
Vladimir:

Еще раз перечитал справку по оптимизации советников (сам ей не пользовался, ограничен лишь справкой). По ней выходит, что нет даже простейших методов наискорейшего спуска, покоординатного спуска, Монте-Карло. Либо перебор вариантов с его проклятием размерности, либо неизвестный мне генетический алгоритм. Оба реализованных метода отличаются ресурсоемкостью, длительностью.

Правильно ли я понял ситуацию?

Если да, почему тогда не встречаются надстройки над тестером стратегий, радикально снижающие количество прогонов, реализующие оптимизацию давно изученными методами; вместо этого движение идет в сторону роста требуемых ресурсов?

Надстройку не сделать технически, нет такого АПИ. Только писать свой тестер. Есть некоторая возможность анализировать прогон в процессе через

OnTesterPass();


Генетический алгоритм широко применяется, на сайте есть по нему статьи, если неизвестен. Все остальные вопросы к разработчикам.
 
Vladimir:

Заинтересовался вопросом, а что же предлагают разработчики для оптимизации.

Их методы справляются с овражными функциями?

А в чем проблема с овражными функциями?
Vladimir:

Еще раз перечитал справку по оптимизации советников (сам ей не пользовался, ограничен лишь справкой). По ней выходит, что нет даже простейших методов наискорейшего спуска, покоординатного спуска, Монте-Карло. Либо перебор вариантов с его проклятием размерности, либо неизвестный мне генетический алгоритм. Оба реализованных метода отличаются ресурсоемкостью, длительностью.

Правильно ли я понял ситуацию?

Если да, почему тогда не встречаются надстройки над тестером стратегий, радикально снижающие количество прогонов, реализующие оптимизацию давно изученными методами; вместо этого движение идет в сторону роста требуемых ресурсов?

У Вас есть примеры, подтверждающие превосходство алгоритмов отличных от генетических? И именно для сложных ступенчатых функций, с широкими горизонтальными участками, с острыми пиками и впадинами, какими являются оптимизируемые функции в программах оперирующих дискретными данными (советники)?
 
Vladimir:

Еще раз перечитал справку по оптимизации советников (сам ей не пользовался, ограничен лишь справкой). По ней выходит, что нет даже простейших методов наискорейшего спуска, покоординатного спуска, Монте-Карло. Либо перебор вариантов с его проклятием размерности, либо неизвестный мне генетический алгоритм. Оба реализованных метода отличаются ресурсоемкостью, длительностью.

Генетический алгоритм - весьма радикально снижает число прогонов по сравнению с полным перебором. Если функция достаточно гладкая - то приводит к оптимизации гораздо-гораздо быстрее. Если же функция сильно "рваная", то даже полный перебор - бесполезен, "рваность" функции означает неустойчивость алгоритма, и найденные "оптимальные значения", скорее всего, будут случайными выбросами, а вовсе не точками оптимума. 
 
George Merts:
Генетический алгоритм - весьма радикально снижает число прогонов по сравнению с полным перебором. Если функция достаточно гладкая - то приводит к оптимизации гораздо-гораздо быстрее. Если же функция сильно "рваная", то даже полный перебор - бесполезен, "рваность" функции означает неустойчивость алгоритма, и найденные "оптимальные значения", скорее всего, будут случайными выбросами, а вовсе не точками оптимума. 
Дайте, пожалуйста, определение (можно и своё) "точки оптимума" и/или  "оптимальные значения".
 
Andrey Dik:
Дайте, пожалуйста, определение (можно и своё) "точки оптимума" и/или  "оптимальные значения".
Это набор параметров, дающих наибольшее оптимизируемое значение (баланс, рекавери или что-то еще), которое при этом является устойчивым, то есть, небольшое изменение входных параметров не приводит к большому изменению оптимизируемого значения. Если такое происходит - то это не оптимальное значение, а как раз случайный выброс функции.
 
George Merts:
Это набор параметров, дающих наибольшее оптимизируемое значение (баланс, рекавери или что-то еще), которое при этом является устойчивым, то есть, небольшое изменение входных параметров не приводит к большому изменению оптимизируемого значения. Если такое происходит - то это не оптимальное значение, а как раз случайный выброс функции.
Вот, я именно такого ответа и ожидал, потому что не может быть другого, логически связанного с Вашим предыдущим постом, ответа.

А спросил я для того, что бы подчеркнуть противоречие. Подумайте, попытайтесь связать вместе выделенное цветом. Если не получится, то я помогу. Дело в том, что в Вашем посте пример широко распространённого заблуждения.
 
Andrey Dik:
 Если не получится, то я помогу. Дело в том, что в Вашем посте пример широко распространённого заблуждения.
И где же у меня противоречия и заблуждения ? Зачем загадками говоришь-то (давай на ты ?). Есть конкретные возражения - давай, выкладывай свои мысли, обсудим.
123456789...14
Новый комментарий
Причина обращения: