Andrey Dik
Andrey Dik
4.4 (26)
  • Информация
13+ лет
опыт работы
5
продуктов
88
демо-версий
15
работ
0
сигналов
0
подписчиков
РАССМОТРЮ ПРЕДЛОЖЕНИЯ ПО ИЗДАНИЮ КНИГИ (УЧЕБНОГО ПОСОБИЯ) ОБ АЛГОРИТМАХ ОПТИМИЗАЦИИ.

Группа для общения по вопросам оптимизации и бесплатного тестирования продуктов: https://t.me/+vazsAAcney4zYmZi
Внимание! Появились мои двойники в телеграм, мой настоящий ник @JQS_aka_Joo

Мой github с алгоритмами оптимизации: https://github.com/JQSakaJoo/Population-optimization-algorithms-MQL5

Все мои публикации: https://www.mql5.com/en/users/joo/publications

Разрабатываю системы по технологиям машинного обучения с 2007 года и в области искусственного
интеллекта, оптимизации и прогнозирования.

Принимал активное участие в развитии платформы МТ5, таких как введение поддержки универсальных параллельных
вычислений на GPU и CPU с OpenCL, тестирование и бектестинг распределённых
вычислений в локальной сети и облаке при оптимизации в МТ5, мои тестовые функции входят в штатную поставку терминала.
⭐⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐
Мои продукты:
https://www.mql5.com/en/users/joo/seller

Рекомендуемые брокеры:
https://rbfxdirect.com/ru/lk/?a=dnhp
Andrey Dik
Опубликовал статью Генетическое программирование — Genetic Programming (GP)
Генетическое программирование — Genetic Programming (GP)

Разбираем алгоритм Genetic Programming (GP) — классический метод, который выращивает не числа, а формулы. Почему знаменитый алгоритм в каноническом виде проигрывает обычному случайному поиску во всех тестах, и какая одна строка возвращает ему силу? Ответ касается любого оптимизатора с пропорциональным отбором. В конце статьи — готовый код GP на MQL5, который можно сразу использовать для своих задач.

Andrey Dik
Опубликовал статью Алгоритм оптимизации, вдохновлённый охотой лисы — Fox-inspired Optimization Algorithm (FOX)
Алгоритм оптимизации, вдохновлённый охотой лисы —  Fox-inspired Optimization Algorithm (FOX)

Разбираем FOX (Fox-inspired Optimization Algorithm): реализуем алгоритм в MQL5, детально проверяем ветви "прыжка" и "блуждания" и показываем, как притяжение к нулю и фиксированный масштаб шага мешают поиску в торговых диапазонах. Пошагово измеряем вклад каждого механизма на тестовом стенде и объясняем расхождения формул и кода. В конце — готовый к использованию класс C_AO_FOX и исправленная версия с шагом в долях диапазона.

Andrey Dik
Опубликовал статью Алгоритм опыления цветов — Flower Pollination Algorithm (FPA)
Алгоритм опыления цветов — Flower Pollination Algorithm (FPA)

Рассматривается реализация Flower Pollination Algorithm (FPA) в MQL5 с разбором операторов глобального и локального опыления и влияния ключевых параметров популяции и шага Леви, который при авторских настройках ищет почти наугад: находим причину и поднимаем результат с 26% до 49%. Трейдер получает готовый класс FPA с рабочими настройками для оптимизации советников и понимание, для каких задач он подходит.

Andrey Dik
Опубликовал статью Оптимизация на основе кривых Безье — Bezier Curve-based Optimization (BCO)
Оптимизация на основе кривых Безье — Bezier Curve-based Optimization (BCO)

Разбираем Bezier Curve-based Optimization (BCO) — один из самых современных алгоритмов, в котором новые решения строятся как точки на кривых Безье. Переносим его в MQL5 и проверяем на стандартном стенде, композитном тесте и стенде со сдвигом области поиска. Попутно выясняем, что на самом деле обеспечивает его эффективность.

Andrey Dik
Опубликовал статью Алгоритм оптимизации скопы — Osprey Optimization Algorithm(OOA)
Алгоритм оптимизации скопы — Osprey Optimization Algorithm(OOA)

Алгоритм оптимизации скопы (OOA) — ещё один представитель метаэвристик с красивой метафорой и первыми местами на бенчмарках. Проверка на стенде показывает другое. В статье разбираем, какие две формулы ломают канон, исправляем их по одной с измерением вклада каждой правки и доводим алгоритм с 30% до 60%. На выходе — готовая реализация в C_AO с тремя параметрами для оптимизации торговых систем и понятный способ проверить любой новый алгоритм, прежде чем ему доверять.

Andrey Dik
Опубликовал статью Эволюция городских советов — City Councils Evolution (CCE)
Эволюция городских советов — City Councils Evolution (CCE)

Выполняем каноническую реализацию CCE в рамках C_AO, воспроизводим тесты и показываем ключевой дефект: аддитивный покоординатный оператор тянет решения к нулю и деградирует на смещенных диапазонах. Предлагаем простой контрольный тест со сдвигом области поиска и модификацию на основе разностей, применяемую по всем координатам. В результате — исходники MQL5, методика проверки и улучшенная версия алгоритма.

Andrey Dik
Опубликовал статью Алгоритм оптимизации на основе кровеносной системы — Circulatory System Based Optimization (CSBO)
Алгоритм оптимизации на основе кровеносной системы — Circulatory System Based Optimization (CSBO)

CSBO — алгоритм, вдохновлённый кровеносной системой, рассматривается как разностно-ориентированный метод: венозное движение, систематический круг с кроссовером и лёгочная мутация. Приведена реализация в виде класса C_AO_CSBO для MQL5 с переводом в максимизацию, нормировкой шагов и двухфазными эпохами. Представлены итоги, исходники и практические настройки.

Andrey Dik
Опубликовал статью Алгоритм оптимизации на основе приспособленности — Fitness Dependent Optimizer (FDO)
Алгоритм оптимизации на основе приспособленности — Fitness Dependent Optimizer (FDO)

Разбираем FDO — алгоритм, вдохновлённый роением пчёл, но интересный не пчёлами. Формулы просты, но направление шага фиксирует агента на луче к глобально лучшему, сводя поиск к одной степени свободы. Мы воспроизводим канонику, сопоставляем результат с равномерным случайным перебором на том же бюджете вычислений и устраняем дефект минимальной правкой. Прилагаются готовая реализация на MQL5, полный протокол тестов и методика нуль‑модели для оценки пользы итераций.

Andrey Dik
Опубликовал статью Алгоритм направления потока — Flow Direction Algorithm (FDA)
Алгоритм направления потока — Flow Direction Algorithm (FDA)

Подробно разбираем механику FDA и демонстрируем, как центровые и диагональные эффекты первоисточника завышают показатели. Честная реализация фиксирует уровень порядка 39.7% на стенде серии. Модификация FDAm с тяжелохвостым распределением зондов и покоординатным шагом повышает итог до 54.7% и доступна как готовый компонент C_AO для настройки параметров советников.

Andrey Dik
Опубликовал статью Кооперация бионических алгоритмов — Co-Operation of Biology Related Algorithms (COBRA)
Кооперация бионических алгоритмов — Co-Operation of Biology Related Algorithms (COBRA)

В статье реализована кооперативная метаэвристика COBRA во фреймворке C_AO: шесть популяционных методов (PSO, WPS, FFA, CSA, BA, FSS) работают в одной популяции при фиксированном бюджете обращений к целевой функции и экспериментально выясняем, на чём на самом деле держится кооперация. В комплекте — расширяемый класс для сборки собственных кооперативных портфелей из любых алгоритмов серии.

Andrey Dik
Опубликовал статью Династический алгоритм — Dynastic Optimization Algorithm (DOA)
Династический алгоритм — Dynastic Optimization Algorithm (DOA)

В статье реализован и разобран Dynastic Optimization Algorithm в рамках фреймворка C_AO на MQL5. Мы воспроизводим каноническую модель, закрываем неописанные в первоисточниках места и тестируем алгоритм на стенде с фиксированным бюджетом и ростом размерности. Показана причина деградации каноники и предложена модификация оператора с разреженной мутацией. Читатель получит рабочий класс и рекомендации по настройке для задач с дискретными параметрами.

Andrey Dik
Опубликовал статью Алгоритм бактериальной эволюции Нумаоки для быстрой адаптации (NBE)
Алгоритм бактериальной эволюции Нумаоки для быстрой адаптации (NBE)

Рассматриваем модель Нумаоки как агентную колонию с энергией, гибелью-делением и плазмидным переносом, ориентированную на быструю адаптацию. Переносим её в каркас C_AO: энергобаланс с популяционно-относительным приходом, хемотаксис-поиск, рулетка по энергии; приводим псевдокод и MQL5-реализацию. Проводим тестирование на Hilly, Forest и Megacity, показывая поведение и ограничения модели на статике для практического использования.

Andrey Dik
Опубликовал статью Алгоритм бактериальной эволюции — Bacterial Evolutionary Algorithm (BEA)
Алгоритм бактериальной эволюции — Bacterial Evolutionary Algorithm (BEA)

Статья посвящена бактериальному эволюционному алгоритму Нава — Фурухаси (BEA) и его двум ключевым операторам: посегментной бактериальной мутации для локальной оптимизации и горизонтальному переносу генов для обмена удачными фрагментами решений. Мы реализуем BEA в каркасе C_AO как конечный автомат под фиксированный бюджет оценок, тестируем на Hilly, Forest и Megacity и поясняем терминологическую развилку с моделью Нумаоки.

Andrey Dik
Опубликовал статью Алгоритм оптимизации шимпанзе: от ChOA к BChimp
Алгоритм оптимизации шимпанзе: от ChOA к BChimp

Алгоритм оптимизации шимпанзе (ChOA) подражает групповой охоте приматов с разделением ролей, а его бинарная ветвь BChimp переносит эту механику в задачи отбора признаков. Реализуем непрерывное ядро в C_AO, по пути находим и исправляем унаследованный дефект коэффициента — незаметный за бинаризацией, но разрушающий поиск в непрерывной области. Аннотация даёт готовую реализацию и практические выводы о качестве и устойчивости поиска.

Andrey Dik
Опубликовал статью Алгоритм оптимизации койотов — Coyote Optimization Algorithm (COA)
Алгоритм оптимизации койотов — Coyote Optimization Algorithm (COA)

Представляем MQL5-реализацию Coyote Optimization Algorithm: стаи с локальными альфами, медианная тенденция и встроенный кроссовер обеспечивают параллельное исследование областей пространства и контроль преждевременной сходимости. Алгоритм встроен в C_AO и проверен на стандартном стенде и композитном античит-тесте. В статье — код, псевдокод и разбор операторов, позволяющие применить COA для оптимизации параметров торговой системы.

Andrey Dik
Опубликовал статью Алгоритм оптимизации на основе коронавируса — Corona Virus Optimization (CVO)
Алгоритм оптимизации на основе коронавируса — Corona Virus Optimization (CVO)

Описываем и реализуем CVO: заражение как генерация кандидатов, покоординатное нормальное возмущение, динамическая популяция. Алгоритм интегрирован в C_AO и проверен на стандартном бенчмарке. Разбор выявляет масштабную причину стагнации и даёт прикладное решение — переход к относительному шагу по ширине диапазона; код готов к использованию.

Andrey Dik
Опубликовал статью Алгоритм оптимизации кита-белухи — Beluga Whale Optimization (BWO)
Алгоритм оптимизации кита-белухи — Beluga Whale Optimization (BWO)

Кандидат в нашу рейтинговую таблицу — Beluga Whale Optimization, метаэвристика, построенная на трёх моделях поведения кита-белухи: парном плавании, охоте с полётом Леви и обновлении популяции через падение кита. По ходу реализации обнаружилось, что алгоритм не столько оптимизирует, сколько считывает геометрию тестового стенда, разбираем механизм этого и собираем честную перспективную модификацию BWOm.

Andrey Dik
Опубликовал статью Алгоритм оптимизации Архимеда — Archimedes Optimization Algorithm (AOA)
Алгоритм оптимизации Архимеда — Archimedes Optimization Algorithm (AOA)

В статье рассматривается алгоритм оптимизации Архимеда — метаэвристика, в которой агент представлен физическим объектом с плотностью, объёмом и ускорением, а сам поиск переосмыслен как стремление погружённых в жидкость тел к равновесию. Баланс между разведкой и эксплуатацией здесь не задаётся внешним расписанием, а вытекает из физики затихающей турбулентности. Реализуем алгоритм на MQL5, прогоняем на стандартном стенде и разбираем, где такая идея работает.

Andrey Dik
Опубликовал статью Алгоритм андского кондора — Andean Condor Algorithm (ACA)
Алгоритм андского кондора — Andean Condor Algorithm (ACA)

В статье реализован Andean Condor Algorithm (ACA) для MQL5 — компактный оптимизатор с многомасштабным оператором интенсификации. Выявлен эффект значимого роста качества при малой популяции: одна корректировка настроек выводит его в топ-45 — и за этим стоит характерная особенность алгоритма, о которой стоит знать. Материал даёт готовый код и практические ориентиры по применению.

Andrey Dik
Опубликовал статью Алгоритм Цветовой Гармонии — Color Harmony Algorithm (CHA)
Алгоритм Цветовой Гармонии — Color Harmony Algorithm (CHA)

Разбираем алгоритм цветовой гармонии (CHA) — метаэвристику оптимизации, опирающуюся на теорию цветовой гармонии Манселла. Показываем устройство круга тонов, шаблоны гармонии, чередование фаз концентрации и рассеивания, а также роль памяти решений. От теоретического каркаса до рабочей реализации на MQL5 и честного тестирования на стандартном бенчмарке.