Рассматриваем гибрид BAS+PSO (BSO), где BAS добавляет локальный сигнал направления, а PSO обеспечивает обмен лучшими решениями в рое. Приведены математическая модель, псевдокод, реализация класса на MQL5 и результаты тестирования в типовом стенде. Материал позволяет воспроизвести алгоритм, настроить параметры и понять, как трёхкратные оценки за итерацию отражаются на эффективности.
Beetle Swarm Optimization Algorithm расширяет популяцию до группы жуков, каждый из которых сохраняет двухантенный механизм обнаружения, но при этом обменивается информацией с сородичами по правилам, заимствованным из PSO. Позиция каждого жука обновляется как взвешенная комбинация двух компонент: PSO-компонента направляет жука к личному и глобальному лучшим решениям, а BAS-компонента корректирует движение на основе локального градиента, оценённого парой антенн. Коэффициент "λ" управляет балансом между "социальным знанием" роя и "личным восприятием" каждой особи.
В данной статье мы рассмотрим математический аппарат алгоритма BSO, разберём все ключевые формулы, представим подробный псевдокод и реализацию на языке MQL5 в рамках стандартного тестового стенда для сравнения метаэвристических алгоритмов.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Опубликована статья Оптимизация Роем Жуков — Beetle Swarm Optimization (BSO):
Рассматриваем гибрид BAS+PSO (BSO), где BAS добавляет локальный сигнал направления, а PSO обеспечивает обмен лучшими решениями в рое. Приведены математическая модель, псевдокод, реализация класса на MQL5 и результаты тестирования в типовом стенде. Материал позволяет воспроизвести алгоритм, настроить параметры и понять, как трёхкратные оценки за итерацию отражаются на эффективности.
Beetle Swarm Optimization Algorithm расширяет популяцию до группы жуков, каждый из которых сохраняет двухантенный механизм обнаружения, но при этом обменивается информацией с сородичами по правилам, заимствованным из PSO. Позиция каждого жука обновляется как взвешенная комбинация двух компонент: PSO-компонента направляет жука к личному и глобальному лучшим решениям, а BAS-компонента корректирует движение на основе локального градиента, оценённого парой антенн. Коэффициент "λ" управляет балансом между "социальным знанием" роя и "личным восприятием" каждой особи.
В данной статье мы рассмотрим математический аппарат алгоритма BSO, разберём все ключевые формулы, представим подробный псевдокод и реализацию на языке MQL5 в рамках стандартного тестового стенда для сравнения метаэвристических алгоритмов.
Автор: Andrey Dik