Обсуждение статьи "Популяционные алгоритмы оптимизации: Алгоритм растущих деревьев (Saplings Sowing and Growing up — SSG)" - страница 8

Новый комментарий
 
mytarmailS #:
Почему? 

Вы сможете ехать на машине по незнакомой дороге только по зеркалам заднего вида с заклееным лобовым стеклом?

 
Nikolai Semko #:

Вы сможете ехать на машине по незнакомой дороге только по зеркалам заднего вида с заклееным лобовым стеклом?

В постоянно меняющейся, нестацыонарной среде работать на постоянных параметрах это мягко говоря наивно... 

Как идея.. 
Оптимизационная поверхность меняется медленно если представить её в динамике.. 

Если преобразовать её в вид временного ряда то эту динамику можно пробовать прогнозировать..  Таким образом мы можем знать оптимальные параметры ТС на завтрашний день
 
mytarmailS #:
В постоянно меняющейся, нестацыонарной среде работать на постоянных параметрах это мягко говоря наивно... 

Как идея.. 
Оптимизационная поверхность меняется медленно если представить её в динамике.. 

Если преобразовать её в вид временного ряда то эту динамику можно пробовать прогнозировать..  Таким образом мы можем знать оптимальные параметры ТС на завтрашний вчерашний день

В меняющейся среде ( в данном случае оптимизационная поверхность) не важно в какой точке вы остановились в данный момент времени, а важно куда пойдет эта точка вниз или вверх в следующий момент времени. Более того и это не важно, а важно будет она двигаться вверх с ускорением или с замедлением.
Т.е. если Вы выберете точку на растущем холме, но в следующий момент скорость роста начнет замедляться, то это будет более худшее решение, чем если бы вы выбрали точку на падающей впадине, но если в следующий момент скорость падения замедлится. 
Без прогнозирующей модели с вероятностью > 55% любая стратегия - пустышка.

 

Существует хороший критерий правильной рабочей стратегии. 
Линия средств должна быть в более 50 % ( лучше 60%) времени выше линии баланса. 
Зайдите в топ сигналов и посмотрите на нижний график, где есть эти две линии.
Почти у всех зеленая линия (линия средств) ниже линии баланса в большенстве времени наблюдения. 
Не понимаю зачем люди выращивают лосы, вместо того чтобы выращивать профиты.



вот как должно быть 


 
скажу за штатный ГА, какой он и почему его нет в тестах.
штатный ГА - один из самых старейших АО, и при этом один из самых мощных. это бинарный алгоритм, отсюда вытекают все его ограничения, количество опт параметров и их шаг. дело в том, что бинарная хромосома имеет ограничение на длину и с этим ничего не поделаешь.
кроме ограничений на длину хромосомы (а это не только количество опт параметров) есть и другие недостатки, как то невозможность применять динамичный шаг и другие, не говоря о невозможности применения нулевого шага.
несмотря на все недостатки это по прежнему один из самых мощных алго на сегодняшний день.
тесты в статьях проводятся с нулевым! шагом, поэтому штатный га не может быть протестирован и внесён в таблицу, он просто не может быть использован для этих тестов. однако, я пробовал тестировать га с минимально возможным шагом для тестов с 2 я ранее, а сейчас с 10ю параметрами, и он практически полностью сходится на всех функциях! но использование 100 и более параметров как в тестах не может быть применимо, сказывается ограничение на длину хромосомы. 
итого. штатный га (бинарный) морально и физически устарел. нет цели обидеть разработчиков, это просто факт.
в то время, когда корабли бораздят просторы большого театра, тоесть всякие чаты советуют как жить а как ненадо, пора бы рассмотреть возможность прикрутить к МТ5 несколько АО, это расширит возможности для пользователя несомненно.
 
"скажу одну вещь, только не обижайтесь" (оригинал звучит по другому)
нет никакой разницы, статичная ФФ или динамично изменяющаяся! дело в том, насколько быстро АО способен сходится. тоесть, АО способен настраивать параметры быстрее чем меняется ФФ (так должно быть).
давно рассуждал, как применить нейросеть для повышения сходимости АО.... похоже, времена настали такие, что даже такое возможно.
для АО нет разницы, меняется ФФ или нет, он всё равно ищет вслепую. именно стратегия поиска определяет успех безнадёжной, на первый взгляд, миссии.
 
Andrey Dik #:
"скажу одну вещь, только не обижайтесь" (оригинал звучит по другому)
нет никакой разницы, статичная ФФ или динамично изменяющаяся! дело в том, насколько быстро АО способен сходится. тоесть, АО способен настраивать параметры быстрее чем меняется ФФ (так должно быть).
давно рассуждал, как применить нейросеть для повышения сходимости АО.... похоже, времена настали такие, что даже такое возможно.
для АО нет разницы, меняется ФФ или нет, он всё равно ищет вслепую. именно стратегия поиска определяет успех безнадёжной, на первый взгляд, миссии.
Не путайте понятия
ФФ это функция для подсчёта ошибки
А ОП это оптимизационная поверхность

Называть первое вторым не верно
 
Nikolai Semko #:

В меняющейся среде ( в данном случае оптимизационная поверхность) не важно в какой точке вы остановились в данный момент времени, а важно куда пойдет эта точка вниз или вверх в следующий 

Так а я что написал?  Вы что не читаете?

 
mytarmailS #:
Не путайте понятия
ФФ это функция для подсчёта ошибки
А ОП это оптимизационная поверхность

Называть первое вторым не верно

нет, путаете вы.

ФФ это фитнесс функция, то есть значение какого-то оценочного критерия, вся область значений ФФ и есть поверхность (может быть многомерной).

и причем здесь "функция для подсчёта ошибки"? ФФ - это общее понятие для любых оценочных критериев, а не только "функция для подсчёта ошибки"

А "ОП" вообще не встречал понятие нигде.

 
Andrey Dik #:

нет, путаете вы.

ФФ это фитнесс функция, то есть значение какого-то оценочного критерия, вся область значений ФФ и есть поверхность (может быть многомерной).

и причем здесь "функция для подсчёта ошибки"? ФФ - это общее понятие для любых оценочных критериев, а не только "функция для подсчёта ошибки"

А "ОП" вообще не встречал понятие нигде.

Фитнес функция это подвид целевой функции, она же функция пригодности,  пригодность это и есть ошибка.



12345678910111213
Новый комментарий
Причина обращения: