遗传算法及其可能的应用 - 页 5 123456789101112...15 新评论 Andrey Dik 2020.03.16 22:06 #41 Edgar Akhmadeev: 1.太多，图的比例太大，以至于你无法看到有用的结果。我返回一个比最差的Custom值略高的值。不过，最主要的是要确定正确的改进方向。 2.这有什么意义？最主要的是确定正确的方向，这意味着你必须向GA表明，它在这里显示了最差的结果，而不仅仅是一个弱点。 1.这是常规优化器显示的一个缺点，但并不意味着你实际上应该考虑缺乏研究工具（在这种情况下，优化器MT），以获得更好的结果。事实上，正确的方法是自己将优化结果 可视化，因为优化器MT不知道你真正需要什么。 目前还没有在优化表（和图）上显示结果的工具，我想有一天会实现的。 2.不，主要的是不只是表明结果是 "坏的"，而是表明结果是 "非常坏的"，这对AO来说有很大的区别。 Andrey Khatimlianskii 2020.03.18 05:02 #42 Stanislav Korotky: 我不记得我是否在论坛上写过这个问题，但这确实是一个问题，而且不清楚为什么在MT中实施。在理论上，如果考官返回一个错误代码"错误的参数"，测试人员有义务生成另一个实例来代替，这样人口就会完整。 完全同意。 也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA专家来说是个问题），但对于第一个样本（反正是随机的），用另一个随机集（有错误的输入）来替换，不会有任何伤害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意... Aliaksandr Hryshyn 2020.03.18 06:05 #43 请告诉我，在参数数量可变的情况下，GAI有什么发展吗？ Aleksey Mavrin 2020.03.18 07:11 #44 Aliaksandr Hryshyn: 告诉我，在GA中是否有针对可变参数数的发展？ 软件实施不是一个问题。同样的几组对子在MT中是 "交叉 "的。可以实现 "突变"，那么这些集合就可以是任意的。 安德烈-哈蒂姆连斯基。 完全同意。 也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA学者来说是个问题），但对于第一个样本（反正是随机的），用另一个随机集（有错误的输入）来替换，不会有任何伤害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意... 没有障碍，生成总是从可能的配对组合池中取样，只有在池子不够的情况下，但即使如此也可以发明一些东西，例如克隆。 Andrey Khatimlianskii 2020.03.18 07:40 #45 Aleksey Mavrin: 没有障碍，生成总是从可能的组合对中进行选择，只有在组合对不足的情况下，但即使如此，你也能想到一些东西，比如说克隆人。 那他们为什么不这样做呢？他们不是傻子。 Andrey Dik 2020.03.18 09:53 #46 Andrey Khatimlianskii: 完全同意。 也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA专家来说是个问题），但对于第一个样本（反正是随机的），用一个随机集（有错误的输入）替换另一个随机集不会有任何危害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意。 好的--不正确的输入参数变量应该被优化器忽略，而应该生成另一个变量，这样人口就会一直是满的。如果可能的变体数量不足--以与个体在群体中的等级成比例的概率采取的重复是可以接受的。 Реter Konow 2020.03.18 10:17 #47 Aliaksandr Hryshyn: 告诉我，是否有任何针对可变参数数的GA发展？ 我认为这是不可能的。基于GA的概念，相同的结构--具有不同参数值的同一系统的克隆--可以进行杂交。 同一环境中的不同个体在自然界中也不能杂交。这种自然的生物约束阻止了对生态系统毫无意义的可笑的、无法生存的怪胎的出现。这种 "实验 "总是以失败告终，只适合于实验室研究。GA模仿生物学，因此，不会偏离杂交、遗传和选择的原则。 从理论的角度来看，这个问题非常有趣。进化不仅在 "调整 "条件的过程中创造了生物的 "优化 "版本，而且还创造了根本性的新物种。如果种间杂交是不可能的，他们从哪里来？所以它们来自于自然突变。但是，--突变是现有基因的改变，而不是获得新基因。也就是说，-套不能增加，"校准 "只能适应（优化）生物物种。新的和更复杂的生物从何而来？ 即使我们让一个算法随机地将参数 "投 "到任意系统中，也随机地为它们找到一个优化目标（健身函数），这能给我们带来什么？ Aliaksandr Hryshyn 2020.03.18 10:25 #48 我有一个情况，参数的兼容性（互换性）可以在不同的位置...好吧，我得重新发明自行车了。 Andrey Dik 2020.03.18 10:30 #49 Aliaksandr Hryshyn: 告诉我，在GA中是否有针对可变参数数的发展？ 是。 实际应用相当广泛--从遗传编程到计算身体的形状和体积，考虑到强度最大化和体积最小化。 Aliaksandr Hryshyn 2020.03.18 10:32 #50 Andrey Dik: 有的。 如果能知道这一点，就很有意思了。 123456789101112...15 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
1.太多，图的比例太大，以至于你无法看到有用的结果。我返回一个比最差的Custom值略高的值。不过，最主要的是要确定正确的改进方向。
2.这有什么意义？最主要的是确定正确的方向，这意味着你必须向GA表明，它在这里显示了最差的结果，而不仅仅是一个弱点。
1.这是常规优化器显示的一个缺点，但并不意味着你实际上应该考虑缺乏研究工具（在这种情况下，优化器MT），以获得更好的结果。事实上，正确的方法是自己将优化结果 可视化，因为优化器MT不知道你真正需要什么。 目前还没有在优化表（和图）上显示结果的工具，我想有一天会实现的。
2.不，主要的是不只是表明结果是 "坏的"，而是表明结果是 "非常坏的"，这对AO来说有很大的区别。
我不记得我是否在论坛上写过这个问题，但这确实是一个问题，而且不清楚为什么在MT中实施。在理论上，如果考官返回一个错误代码"错误的参数"，测试人员有义务生成另一个实例来代替，这样人口就会完整。
完全同意。
也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA专家来说是个问题），但对于第一个样本（反正是随机的），用另一个随机集（有错误的输入）来替换，不会有任何伤害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意...
告诉我，在GA中是否有针对可变参数数的发展？
软件实施不是一个问题。同样的几组对子在MT中是 "交叉 "的。可以实现 "突变"，那么这些集合就可以是任意的。
完全同意。
也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA学者来说是个问题），但对于第一个样本（反正是随机的），用另一个随机集（有错误的输入）来替换，不会有任何伤害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意...
没有障碍，生成总是从可能的配对组合池中取样，只有在池子不够的情况下，但即使如此也可以发明一些东西，例如克隆。
没有障碍，生成总是从可能的组合对中进行选择，只有在组合对不足的情况下，但即使如此，你也能想到一些东西，比如说克隆人。
那他们为什么不这样做呢？他们不是傻子。
完全同意。
也许对于未来的几代人（除了第一代），这样的把戏不会起作用（对GA专家来说是个问题），但对于第一个样本（反正是随机的），用一个随机集（有错误的输入）替换另一个随机集不会有任何危害。而在未来几代人中，遇到不正确参数的概率将大大降低。奇怪的是，他们不愿意。
好的--不正确的输入参数变量应该被优化器忽略，而应该生成另一个变量，这样人口就会一直是满的。如果可能的变体数量不足--以与个体在群体中的等级成比例的概率采取的重复是可以接受的。
告诉我，是否有任何针对可变参数数的GA发展？
我认为这是不可能的。基于GA的概念，相同的结构--具有不同参数值的同一系统的克隆--可以进行杂交。 同一环境中的不同个体在自然界中也不能杂交。这种自然的生物约束阻止了对生态系统毫无意义的可笑的、无法生存的怪胎的出现。这种 "实验 "总是以失败告终，只适合于实验室研究。GA模仿生物学，因此，不会偏离杂交、遗传和选择的原则。
从理论的角度来看，这个问题非常有趣。进化不仅在 "调整 "条件的过程中创造了生物的 "优化 "版本，而且还创造了根本性的新物种。如果种间杂交是不可能的，他们从哪里来？所以它们来自于自然突变。但是，--突变是现有基因的改变，而不是获得新基因。也就是说，-套不能增加，"校准 "只能适应（优化）生物物种。新的和更复杂的生物从何而来？
即使我们让一个算法随机地将参数 "投 "到任意系统中，也随机地为它们找到一个优化目标（健身函数），这能给我们带来什么？
告诉我，在GA中是否有针对可变参数数的发展？
是。
实际应用相当广泛--从遗传编程到计算身体的形状和体积，考虑到强度最大化和体积最小化。
有的。