文章 "遗传算法 - 很简单！" - 页 7

[Andrey Dik]

Graff:
先生们如果不太困难的话，请给我一些使用 UGA 库的例子。

您对什么样的示例（关于什么主题）感兴趣？

[Serge]

joo:
您对哪种示例（关于什么主题）感兴趣？

任何使用 UGA 的示例，因为从文章中的示例来看，还不太清楚它是如何工作的。文章中有一个使用 "之 "字形指标的示例，能否提供使用其他指标（RSI、CCI....）的示例？

[Andrey Dik]

Graff:
文章中有一个使用 "之 "字形指标的示例，能否提供使用其他指标（RSI、CCI....）的示例？

编写一个脚本，其中

1) 将计算指标所 需的工具载入数据数组

2) 用一组参数计算指标（应优化这些指标参数）。

3) 根据指标信号确定进入/退出点

4) 计算感兴趣的统计指标（考虑到点差、缩水等因素后获得的点数）。

2)、3)、4) 项是 GA 一次迭代的步骤 - 计算个人的 FF。写一个这样的脚本，反过来，我将尝试帮助您 "拧 "UGA 到它。

PS.我怀疑是否有人会用 UGA 发布一个现成的交易示例 - 如果有人认真地使用这个库（或任何其他类似库）进行研究，那么这些进展很可能是私人的（时间花在研究与交易没有直接关系的东西上）。

[Andrey Dik]

zsazsa:

很棒的文章！谢谢。

1) 我看到您想使用 UGA 来优化 NN 的训练。成功了吗？

2) 在这种情况下，染色体的基因是什么？

3) 您是否也开发了自己的 NN 库，或者是否找到了支持与 MT5 和 GA 集成的现有 NN 实现？

1) 是的。
2) 我将网络神经元的权重和偏差表示为染色体基因。
3) 我编写了自己的神经网络 实现。

[kogriv]

安德烈，您好。我正在试着用 "科学方法 "学习如何使用您的库（以您提出的 UGA_script.mq5 和 skin.mqh 为例）。如果您不介意，请向我额外介绍如何正确设置输入参数，以解决 Kohonen网络训练 问题。也就是说，我们有 N 个坐标为 (x,y) 的点、M 个内核（训练后将被 "移动"）、FF 函数--"临近度量"。根据我的理解，UGA_script.mq5 中的参数应设置如下： ChromosomeCount_P= ????(我不明白如何设置），GeneCount_P=2*M（每个核有 2 个坐标），Epoch_P= ????(我不知道如何设置）。在此先表示感谢。

[Andrey Dik]

kogriv:

安德烈，您好。我正在试着用 "科学方法 "学习如何使用您的库（以您提出的 UGA_script.mq5 和 skin.mqh 为例）。如果您不介意，请向我额外介绍如何正确设置输入参数，以解决 Kohonen 网络训练问题。也就是说，我们有 N 个坐标为 (x,y) 的点、M 个内核（训练后将被 "移动"）、FF 函数--"临近度量"。根据我的理解，UGA_script.mq5 中的参数应设置如下：

1) ChromosomeCount_P= ????(我不知道如何设置）、

2) GeneCount_P=2*M （每个细胞核 2 个坐标）、

3) Epoch_P= ????(不明白如何设置）。

在此先表示感谢。

1) 先设置 50，如果不够，再增加数值（不要过多，最多 200-300，否则有可能等不到结果）。

2) 可以。

3) 从 50-100 开始，如果不够，再增加数值（不要太多，最多 200-1000，否则有可能等不到结果）。

这些数字都是经验值，您可以根据自己的喜好进行更改，重点关注收敛速度或结果的准确性（一般来说，这些要求是相互排斥的，中间值介于两者之间--恕我直言）。

[Vladimir Gomonov]

我在图书馆里找找看。

安德鲁，我不明白你为什么要先计算适应度函数，然后再从种群中删除重复。这很昂贵。

void CycleOfOperators
(
...........
.......
)
{
 ................................
...............

  /确定后代群体中每个个体的适应性
  GetFitness(historyHromosomes);
................................
..........................
  //为下一次繁殖做准备
  RemovalDuplicates();
}// 函数结束

我会在后代生成阶段控制克隆的存在。(事实上，我会这么做的）。

[Andrey Dik]

MetaDriver:

1) 安德鲁，我不明白为什么要先计算适应度函数，然后再从种群中去除重复。这样做成本很高。

2) 我会在后代生成阶段控制克隆的存在。(事实上，我会这么做的）。

1) 不进行重复的 FF 计算，因为检查是在历史染色体数据库中进行的--如果之前对该个体至少进行过一次 FF 计算，那么计算值就会从数据库中提取。

2) 新殖民地定居到种群中还有一个细微差别。但我会对此保持沉默。:)请按照您认为更正确的方式进行，并告诉我结果--之后我会告诉您细微差别。

PS 一般来说，与本评论无关，您可以采用多种不同的随机 GA 搜索策略，每种策略在某种程度上都值得关注。结果（收敛速度、搜索精度、陷入局部极值）几乎直接取决于所使用的搜索策略。

[Vladimir Gomonov]

joo:

1) FFs 不会重复计算，因为我们会检查历史染色体数据库--如果某个个体之前至少进行过一次 FF 计算，那么计算值就会从数据库中提取。

2) 在新殖民地定居到人口中时有一个细微差别。但我会对此保持沉默。:)做你认为更正确的事情，并告诉我结果--之后我会告诉你细微差别。

1) 好，好，好。讲故事的人。:) 你至少有一个错误。

只有......嗯......数学家才会这样比较实数。

        if (Colony[Ge][chromos]!=historyHromosomes[Ge][Ch1])
          break;

在这样的比较中，浮点数后的 15 位数之差就会被认为是不同的基因。 而且永远会有差异，因为这就是命运。;)

至少应该是这样的：

        if (fabs(Colony[Ge][chromos]-historyHromosomes[Ge][Ch1]) > delta)  // 例如 0.00001 < delta < 0.00000000001
          break;

我毫不怀疑你已经在基因算法中单独测试了去除双倍值的方法，所以你一定有一种错觉，认为这个片段是有效的。

2) 一切是多么神秘啊......薄者薄之，撕者撕之。）

好吧，我来告诉你我是怎么做的。

[Andrey Dik]

MetaDriver:

1) 好，好，好。讲故事的人:)

2) 你至少犯了一个错误。只有......嗯......数学家才会这样比较实数。在这样的比较中，浮点数后的 15 位数之差就会被认为是不同的基因。 而且永远会有差异，因为这就是命运。;)

至少必须如此：

3) 而在去除重复基因时也是如此，我毫不怀疑你已经将去除重复基因的算法与基因算法分开测试了，所以你一定有一种错觉，认为这个片段是有效的。

4) 一切是多么的神秘......薄者薄之，撕者撕之。）好吧，我来告诉你我是怎么做的。

1) 讲故事的人？嗯，不幸的是，我不懂其中的幽默。数据库检查发生在函数 CheckHistoryChromosomes(chromos,historyHromosomes ) 中，该函数由GetFitness(historyHromosomes) 调用。这就是为什么我说的是正确的--没有重复运行 FF。

2) 与数据库的核对是通过基因进行的。当出现新染色体时，每个基因都会被SelectInDiscreteSpace(temp,RangeMinimum,RangeMaximum,Precision,3) 归一化。因此，这里也不存在 "童话"。

3) 参见 2）

4) 不神秘。代码是公开透明的。确实存在细微差别（这与实现问题无关，而是与收敛质量有关）。