遗传算法及其可能的应用 - 页 10

[khorosh]

Реter Konow:
为了创造，你需要一个想法。 一个创造的概念。你争辩说，这没有必要。只要更猛烈地摇动带有粒子的 "罐子"，一切都会自己建立起来--宇宙和生物......。好吧，摇一摇，那么...

我首先会在概念上下功夫。当然，在数量上 "动摇 "的东西比在质量上思考的东西要多得多......。好吧，创建一个合适的GA，让它与实体一起冒泡，我们来观察。

顺便说一下，我创建了一个名为 "算法离心机 "的主题。我在那里表达了类似的观点。我正在考虑创建一个 "参数混合器"。

是的，摇晃是创造新事物的一种普遍方式。例如，如果一个男人和一个女人在床上摇晃一下，就会有一个新生命诞生。

[Реter Konow]

khorosh:

是的，摇晃是创造新事物的一种普遍方式。例如，如果一个男人和一个女人在床上摇晃一下，就会有一个新的生命诞生。）

宇宙中可能有一条定律--一切都以一个想法开始，以无意识的摇晃结束......例如，艺术，已经证明了这一点。现在市场也在证明这一点...接下来，生物技术将证明...

[Andrey Dik]

Реter Konow:
而 "摇晃 "所创造的系统的复杂性是什么？这种方法类似于罗夏克测试，斑点会产生图片。顺便说一句，现代艺术家的真正做法是在画布上泼洒颜料，"鉴赏家 "会找到自己欣赏的东西）。

是否有任何严重的结果？工作系统是否已经到位？

谁在乎呢，反正你也不相信我）。

任何AO都只是某种排序方式（搜索策略），但搜索总是在搜索空间的局部方向上进行的！这就是所谓的搜索。如果可以非随机地找到最佳结果，那么就可以构建一个分析公式，直接计算出函数的最佳值，那我们为什么还需要AO呢？

当然也有严重的结果，我已经说过了，在强度最大化和体积最小化的情况下优化形式，用多维晶格的构造寻找具有设定属性的新材料，但它是如此，在一瞬间。

[TheXpert]

Andrey Dik:

任何AO只是某种排序方式（搜索策略），但搜索总是在搜索空间的局部方向上进行的

梯度下降法

[Кеша Рутов]

Andrey Dik:

只要毒化空气和水，就能使整个食物基地灭绝，人类最近在这方面做得非常好。

病毒是垃圾！人类足够聪明，可以使自己对感染免疫，并且像水母一样有再生和不死的能力，唯一的问题是人类自己--通过意外地破坏地球上的所有生命，人类将变得灭绝（当然，在现实中只是简单地搬到一个邻近的星球，并开始在那里拉屎）。

最有趣的是，人类几乎可以用任何东西制造自己的食物，当然石油是最好的。所以他并不特别关心生物的食物，他有足够的非生物食物。

一个完美的生命是可以修改他/她的基因组并从无生命的材料中创造食物的人。

道德是最重要的，只有这样才能生存，道德使我们区别于动物。

[Andrey Dik]

TheXpert:
梯度下降法

梯度下降也是一种随机方向的搜索，不能保证找到全局最大值。"梯度下降 "的搜索策略是基于假设曲面会相应地继续向同一方向变化，所以它对有尖锐过渡、扭结和孔洞的函数极为不利。

如果极值可以用分析法而不是迭代法计算，那么使用任何AO，即使是梯度下降法也没有意义。

[Andrey Dik]

Кеша Рутов:

道德是最重要的，仅次于生存，道德将我们与动物区分开来。

人，以其被称赞的 "道德"，实际上比动物更糟糕。看看你的妻子--没有狼会为了兔子的皮而杀人，也没有兔子会为了狼而杀人，无论他们多么讨厌对方或害怕对方。

在动物世界里，没有人仅仅为了看起来更年轻而吃自己的同类。

[TheXpert]

Andrey Dik:

清楚地

[AZAT KHALITOV]

Реter Konow:
而 "摇晃 "所创造的系统的复杂性是什么？这种方法类似于罗夏测试，斑点会产生绘画。顺便说一句，现代艺术家的真正做法是在画布上泼洒颜料，"鉴赏家 "会找到自己欣赏的东西）。

是否有任何严重的结果？工作系统是否已经到位？

[AZAT KHALITOV]

AZAT KHALITOV:

其中一个结果是在我的模拟账户 上测试的--我的资料里有一个信号，第二个结果是在某种市场条件下对非常罕见的信号做出反应--当sentix指数高于8左右（理想的情况是像2017年和2018年那样高于20，但在3月初由于石油新闻有3个这样的事件--sentix反映整个欧洲交易所的整体波动，在2019年有3个事件，而2017和2018年每天有1个事件，在大约1000个事件中只有两个无利可图）。一般来说，结果就像在价格图表中寻找onamalias--当它们发生时，价格会试图恢复正常。有人在这里写道，使用算法的方法是有意义的，确实如此--你可以使用日常策略，但要有自由的参数和自由的系数，当然，结果取决于ontester()中使用的函数+在算法中加入testerstop()来拒绝一些结果。当然，结果并不完美，例如，由于初始策略的限制（可以说是固有的意思），现在作为信号测试的专家顾问只开了卖单，但我已经了解了策略的工作原理，我将在一个月内写一个新的算法，并对启用海湾仓位进行修正。立即注意到测试的结果仍然不能使用--它只是一个没有改进的赤裸裸的想法，没有风险管理+错误的止损（所有的bug都检查过了，需要修复，但到目前为止还没有包括在工作代码中），加上我们需要处理新闻因素。到目前为止，由于整个欧洲交易所的低波动性，这些错误没有影响测试（这不适用于当地的波动性，现在已经观察到了）。一般来说，由于不同的隐含意义和不同的优化方法，每个人都会得到不同的结果，由ontester()处理器实现。结果也受到你如何描述初始策略的算法的影响（小细节--对最终结果的突变）--在一个结果中，描述中的一个错误（在优化前没有注意到）允许在最终结果中开设额外的订单。在这种情况下使用遗传算法类似于在神经网络中使用遗传算法（神经网络是一个具有大量参数的复杂函数，训练它的方法之一是遗传算法）。