遗传算法及其可能的应用 - 页 2

新评论
 
目标是在内置优化器中设置的，只是没有直接设置。

1.你将你的指标设置为定义策略利润曲线的函数
2.优化器将策略获得的利润作为其目标

这里提到了GA的可能应用
 
如果我理解正确的话，"杂交 "可以在相同 "基因"（参数）的个体之间进行（同一系统的副本，相同参数的数值不同）。

在这种情况下，"交叉 "应该是一个简单的平均数（两个参数的两个数值之和除以两个，两个结构相同的 "染色体"）？

我的意思是，将一个系统副本的对立参数值加起来，除以2，然后得到系统的第三个副本，参数的平均值？
 
RomFil:
没有办法使你的目标

OnTester()不工作？

 
Реter Konow:
如果我理解正确的话，"杂交 "可以在相同 "基因"（参数）的个体之间进行（同一系统的副本，相同参数的数值不同）。

在这种情况下，"交叉 "应该是一个简单的平均值（两个值、两个参数、两个结构相同的 "染色体 "的总和）？

你可以做任何你喜欢的事情，有几十种变化。

 
Dmitry Fedoseev:

https://www.mql5.com/ru/search#!keyword=proprietary%20criterion%20optimization

很好!我不知道五个人有这样的功能 ...:)我还在为四...:)谢谢。

就这样吧。这个问题是关...:)
 
RomFil:

很好!我不知道五个人有这样的功能 ...:)我还在为四...:)谢谢。

就这样吧。这个问题是关...:)
实际上，"这个功能 "从四))))。
 
SeriousRacoon:
实际上，"这个功能 "从四))))。
所以我是一个 "书呆子"......。:)
 
Реter Konow:
这种方法本身是不够的。它可以作为 "抛光 "成品系统的工具--测试和调试。
系统本身不能像这样建立。你需要一个不同的算法。当它被发明的时候，GA将被记住。

我从那些从事所谓 "人造生命 "项目 的人那里看到了这种方法。有趣的东西。乍一看，它就像一团浆糊，但遗传学通过数百万次的传递使 "智能 "基因从浆糊中产生。

 
Aleksey Mavrin:

我从那些从事所谓 "人造生命 "项目的人那里看到了这些方法。有趣的东西。乍一看，它就像一团浆糊，但遗传学通过数百万次的传递，从浆糊中制造出智能基因。

你是说 "智能"--优化并适应某种环境？

好的。我们创造了一个封闭的环境，从一个复杂的相互作用的系统。例如：三基因个体 "吞噬"（附着并生长）二基因个体，如果它们不能 "逃离 "它们的话（让我们说基因X和Y是平面上的坐标）。三个基因的个体增加了一个基因Z--第三个维度。它有一个优势。双基因个体的任务是生存而不被抓住，而三基因个体的任务是尽快抓住双基因，节省时间和资源。

目标：遗传上较弱的个体必须计算遗传上较强的个体才能生存。
 
Aleksey Nikolayev:

OnTester()不适合？

是的，在遗传优化模式下，通过 "用户标准的最大值"，测试者的GA将最大化从双OnTester()获得的结果--一切都在工作，但在自动化中存在一个问题，"让GA振作起来"，当它开始在找到的局部最大值周围收敛，不想通过输入参数搜索其他变体时，一般来说，在微调中你应该通过向OnTester()添加条件或将优化参数分割成几个区间来帮助GA。

123456789...15
新评论