文章 "神经网络变得轻松（第三十部分）：遗传算法"
hi, appreciate pretty much on your great effort for these series of articles, but when i try to run evolution EA,or Genetic EA,
I got an error of 5109, which i turned to MQ5 guide book and found ,this error is caused by OPENCL...,can you tell me how to
fix this problem? anyway, thank you very much...
| ERR_OPENCL_EXECUTE | 5109 | OpenCL 程序 运行时间错误 |
新文章 神经网络变得轻松（第三十部分）：遗传算法已发布：
今天我想给大家介绍一种略有不同的学习方法。 我们可以说它是从达尔文的进化论中借鉴而来的。 它可能比前面所讨论方法的可控性更低，但它允许训练不可微分的模型。
优化过程进行测试时，采用所有以前所用的参数。 训练样本是 EURUSD H1 历史数据。 对于优化过程，我取用了过去 2 年的历史记录。 EA 均采用默认参数。 作为测试模型，我采用了上一篇文章中的架构来搜索决策的最佳概率分布。 这种方式可将优化模型替换为前面用过的 “REINFORCE-test.mq5” 智能系统。 如您所见，这是训练相同体系结构的模型过程中的第三种方法。 之前，我们已用策略梯度和扮演者-评价者算法训练了类似的模型。 故此，观察优化结果更有趣。
当优化模型时，我们没有取用上个月的数据。 因此，我们留下了一些数据来测试优化的模型。 优化的模型在策略测试器中运行。 它生成了以下结果。
正如您从呈现的图表中所见，我们得到了一个余额不断增长的图形。 但它的盈利能力略低于采用扮演者-评价者方法训练类似模型时获得的盈利能力。 它执行的交易操作也较少。 实际上，交易次数减少了两倍。
作者：Dmitriy Gizlyk