Обсуждение статьи "Оптимизатор ястребов Харриса — Harris Hawks Optimization (HHO)"

[MetaQuotes]

Опубликована статья Оптимизатор ястребов Харриса — Harris Hawks Optimization (HHO):

Мы реализуем в MQL5 алгоритм Harris Hawks Optimization и разбираем пять режимов движения агентов, управляемых единственным параметром — убывающей энергией побега E. Представлен класс C_AO_HHO, совместимый с унифицированным тестовым стендом, с воспроизводимой реализацией полёта Леви. Алгоритм протестирован на функциях Hilly, Forest и Megacity при 5, 25 и 500 координатах — результаты указывают на аномальное поведение.

При оптимизации параметров торговой системы в ограниченном бюджете вычислений (попыток оценки) вы неизбежно сталкиваетесь с дилеммой: либо алгоритм слишком рано «залипает» в первом найденном локальном оптимуме, либо он длительно исследует пространство и к концу итерационного бюджета не успевает «дожать» перспективные зоны. На практике момент переключения между разведкой (exploration) и доработкой (exploitation) обычно задаётся вручную через статичные гиперпараметры — и этот выбор сильно зависит от конкретной задачи, размерности и сетки дискретизации. В условиях ограниченного числа вызовов функции качества и правила «одна оценка фитнеса за итерацию» нужен механизм, который сам переводит поиск от широкого охвата к точной атаке по мере расходования бюджета, без ручной подстройки порогов.

Harris Hawks Optimization (HHO) предлагает именно такой подход: в основе лежит скалярная «энергия побега» E, детерминированно убывающая от ±2 до 0 по мере прогрессирования итераций, которая автоматом переключает алгоритм между фазами исследования и атаки. В статье мы не ограничились биологической метафорой: мы воспроизвели все режимы HHO (два варианта исследования, четыре стратегии атаки, включая пикирование по закону Леви), адаптировали их под интерфейс унифицированного тестового стенда MQL5 с требованием одной оценки фитнеса на итерацию и реализовали рабочий класс C_AO_HHO. При этом техническое ограничение стенда (невозможность делать два вызова функции качества в одной итерации) вынудило в стратегии с Леви заменить прямую проверку F(Y)<F(X) прокси‑правилом на основе истории улучшений — деталь, важная для воспроизводимости и интерпретации результатов.

Цель статьи — предоставить готовый компонент (Init/Moving/Revision, параметры popSize и β), воспроизводимый протокол тестирования (3 функции: Hilly, Forest, Megacity; три уровня размерности; 10000 вызовов на прогон; 10 повторов) и честную оценку применимости HHO к практическим задачам — в частности, к калибровке торговых систем в условиях ограниченного бюджета.

Автор: Andrey Dik