文章 "遗传算法 - 很简单！" - 页 10

新评论
 
joo:

...但在上循环中，它的赋值是+1，所以我减去-1 ...

这就是 "狗 "所在的位置！！.....！我想--怎么会这样--这篇文章已经写了一年了--而且一切正常，没有人抱怨......再次感谢您的文章...和解释:)

 
@joo你好。我很喜欢您的 Zig-Zag 版，但是在大量蜡烛上运行速度很慢。有可能在不降低质量的情况下提高速度吗？
 
Graff:
@joo你好。我很喜欢您的 Zig-Zag 版，但它在大量蜡烛上运行速度很慢。有没有可能在不降低质量的情况下加快速度？

抱歉，我不是该指标的作者。

请参阅 该指标的讨论页面。

 
joo:

我不会质疑所引用资料的能力，但我不得不提出不同意见。

在优化问题中使用 GA 的便利性在于，与直接搜索相比，减少了确定最佳值所需的 FF 运行次数。

如果我们按照建议

那么 对于一个有 1000 个参数的问题 就需要 11000 个个体！而这 11000 次 FF 运行只需要 1 个历元！你也可以使用随机基因生成法，在找到最优结果方面也不会逊色多少。给定的数据源 "赌 "的是，在一个庞大的群体中，会有足够的遗传物质来进一步发展群体，使其在每个纪元中都有所改进。我正试图实现同样的目标，但代价是在不完全增加 FF 运行次数的情况下与遗传算子玩概率游戏。

老实说，我想象不出有 1000 个参数的问题。我使用了一种训练神经网络的算法，比方说五层，不过通常三层就够了，所以结果是五层的输入是 14 个变量，三层的输入是 17 个变量！！！你能在里面放什么？你能把什么放进去？
 
Rich:
老实说，我想象不出有 1000 个参数的问题。我用这个算法来训练一个神经网络，比方说五层，不过通常三层就够了，所以结果是五层的输入是 14 个变量，三层的输入是 17 个变量!!!!！你能输入什么？

很简单。

下面是具有 2 个隐藏层的 4 层网络的可优化参数数，例如这个网络的可优化参数数为 - 10-40-40-40-1：

10*40+40+40+40+40*40+40+40+40+40*1+1=2121（40+40+ 1=81 个神经元的权重及其偏移）。

可以看出，对于这样一个相对较小的网络，需要优化 2121 个参数。

 

您能否举例说明如何使用该库来优化专家顾问，就像 MT 所做的那样？

这将对我有很大帮助

谢谢

 
moosa:

您是否可以发布一个示例，说明您如何像 MT 那样使用该库来优化专家顾问？

这将对我有很大帮助

谢谢

要使该库像 MT 的 EA 那样工作，有很多工作要做：计算订单、计算股本和余额等等。
I，不幸的是，没有时间了，刺激....
，也许以后会有。
 

对不起，我有点笨。

原来，在这里考虑的连续基因算法 中，步长这样的参数是没有意义的。我们只能在事先知道结果的情况下谈论准确性，而且必须找到论据。

 
ivandurak:

...

事实证明，在这里考虑的连续基因算法 中，步长这样的参数毫无意义。我们只有在事先知道结果的情况下才能谈论准确性，而且必须找到论据。

完全正确，如果基因之间的距离足够大，那么步长就会变大，随着基因之间的距离越来越近，步长就会自动减小，这只是因为步长的概念本身并没有被使用，而是你需要找到解决方案的准确性。基因间的距离是所有时间除以随机周期，恒定为 32768。得出的数字就是条件步长。

如果连结果都不知道，你可以假设需要什么精度的解，这比在未知空间中指定需要用什么步长搜索解要容易得多。

 
应根据什么标准杀死多少后代 .有多少父母和后代应该取决于优化参数的数量 .从什么时代开始可以允许乱伦 .一般来说，还不太清楚杀死父母的原则是什么 .只是不幸的是，你的劳动不太适合我的目的，但非常感谢你的画笔 .
1...34567891011121314151617...20
新评论