Генетический алгоритм и его возможно применение - страница 5
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
1. Это слишком много, график масштабируется так, что не разглядишь полезные результаты. Я возвращаю значение несколько большее, чем худший Custom. Главное же - задать правильное направление для улучшения.
2. А смысл? Главное - правильное направление, значит надо показать GA, что здесь он показал худший результат, а не просто слабый.
1. это недостаток отображения штатного оптимизатора, однако не значит, что в действительности следует учитывать недостаток исследовательского инструмента (в данном случае - оптимизатор МТ), что бы добиться лучшего результата. на сомом деле при правильном подходе нужно самостоятельно визуализировать результаты оптимизации, ведь оптимизатор МТ не ведает что вам в действительности нужно. на данный момент нет инструмента фильтации в отображении результатов в таблице оптимизации (и на графике), думаю это будет когда нибудь реализовано.
2. Нет, главное показать не просто что результат "плохой", а нужно показать что результат "очень плохой", это имеет огромное значение для АО.
Вот не помню, писал ли где по этому поводу на форуме, но действительно это проблема и не понятно, почему так реализовано в МТ. По идее, если эксперт вернул код ошибки "неверные параметры", тестер обязан сгенерировать другой экземпляр взамен, чтобы популяция была полная.
Абсолютно согласен.
Возможно, для будущих поколений (кроме первого), такой финт не подойдет (вопрос к знатокам ГА), но для первой выборки (которая все равно рандомная), замена одного рандомного набора (с неправильными входными) на другой никак не навредит. Да и вероятность встретить неправильные параметры в будущих поколениях будет сильно меньше. Странно, что не сделают...
Скажите, есть какие наработки ГА для переменного количества параметров?
Программная реализация не проблема. В МТ "скрещиваются" одинаковые наборы пар-ров. Можно реализовать "мутацию", тогда произвольными наборы могут быть.
Абсолютно согласен.
Возможно, для будущих поколений (кроме первого), такой финт не подойдет (вопрос к знатокам ГА), но для первой выборки (которая все равно рандомная), замена одного рандомного набора (с неправильными входными) на другой никак не навредит. Да и вероятность встретить неправильные параметры в будущих поколениях будет сильно меньше. Странно, что не сделают...
Нет препятствий, поколение это всегда выборка из пула возможных сочетаний пар-ров, только если пула не хватит, но и тогда можно что-то придумать, клоны например.
Нет препятствий, поколение это всегда выборка из пула возможных сочетаний пар-ров, только если пула не хватит, но и тогда можно что-то придумать, клоны например.
Почему тогда не делают? Ведь не идиоты же
Абсолютно согласен.
Возможно, для будущих поколений (кроме первого), такой финт не подойдет (вопрос к знатокам ГА), но для первой выборки (которая все равно рандомная), замена одного рандомного набора (с неправильными входными) на другой никак не навредит. Да и вероятность встретить неправильные параметры в будущих поколениях будет сильно меньше. Странно, что не сделают...
По хорошему - некорректный вариант параметров должен игнорироваться оптимизатором и вместо него нужно генерировать другую особь, так, что бы популяция была всегда полной. При недостаточном количестве возможных вариантов - допустимы дубликаты, взятые с вероятностью пропорциональной рангу особи в популяции.
Скажите, есть какие наработки ГА для переменного количества параметров?
Думаю, наврядли. Исходя из концепции ГА, скрещиваться могут идентичные структуры - клоны одной системы с разными значениями параметров. Разные особи внутри одной среды скрещиваться не могут и в Природе. Это естественное биологическое ограничение останавливает появление нелепых, нежизнеспособных уродцев, бессмысленных для экосистемы. Такие "эксперименты" всегда заканчиваются неудачей и годны только для лабораторных исследований. ГА имитирует биологию и потому, не отклоняется от принципов скрещивания, наследования и отбора.
Вопрос, с теоритической точки зрения, очень интересный. Эволюция создает не только "оптимизированные" варианты существ в ходе их "подгонки" под условия, но и принципиально новые виды. Откуда они беруться, если межвидовое скрещивание невозможно? Значит, они происходят в результате естественных мутаций. Но, - мутация - это изменение имеющихся ген, а не приобретение новых. То есть, - набор увеличить нельзя, а "калибровка" только приспосабливает (оптимизирует) живущие виды. Откуда беруться новые и более сложные существа?
Даже, если сделаем алгоритм рандомной "слепки" параметров в произвольные системы и также случайно будем находить для них цель оптимизации (фитнес-функцию), что нам это может дать?
Скажите, есть какие наработки ГА для переменного количества параметров?
есть.
практическое применение достаточно обширное - от генетического программирования до расчета формы и объёма тел с учетом максимизации прочности и минимизации объёма.
есть.