文章 "种群优化算法：树苗播种和成长（SSG）算法" - 页 10 1...345678910111213 新评论 Maxim Dmitrievsky 2023.03.24 14:54 #91 交叉验证可以选择最佳的针或面。为了得到许多针，你可以在不同的历史片段中进行优化。相同的 ph-id 将保持不变。 Maxim Dmitrievsky 2023.03.24 15:04 #92 Andrey Dik #:我不能对 MQL 上的其他文章负责，但那里的人做了一些事情，分享了一些东西，不像你。维基百科只是不负责任的人的简单写作，也是政治化的写作。至于我的文章，到底哪里不行？ 别瞎扯了，做点什么吧。 是啊，我自己在做推广的时候就治过一篇维基百科的文章😀，你让人们去维基百科上看，上面说的都是一样的东西。这真的很有趣。 Maxim Dmitrievsky 2023.03.24 15:10 #93 安德烈，还有更多的算法吗？止步于 SSG 有意义吗？) Andrey Dik 2023.03.24 15:14 #94 Maxim Dmitrievsky #: 交叉验证可以选择最佳的针或面。为了得到许多针，你可以在不同的历史片段中进行优化。ph值将保持不变。 顺便说一下，这里有一种方法可以过滤掉总是被浇注的参数（将其作为错误参数输入猫头鹰，测试仪就会跳过）。选择最常被浇注的区域，然后根据想象力使用这些浇注区域。 Maxim Dmitrievsky 2023.03.24 15:18 #95 Andrey Dik #:顺便说一下，这里有一种方法可以过滤掉总是耗水的参数（将它们作为错误参数输入猫头鹰，测试仪就会跳过它们）。选择最常耗水的区域，然后根据您的想象力使用这些耗水区域。 目前还不太清楚为什么测试人员没有这样一种直观的方法来运行多个历史记录和平均值。也许是通过框架实现的。 Andrey Dik 2023.03.24 15:20 #96 Maxim Dmitrievsky #: 安德烈，还有更多的算法吗？止步于 SSG 有意义吗？) 算法有很多，我不知道是否还有更强大的算法。 这个表是活的，我一边学习一边添加算法，也就是说，我不能说--那边那个是最酷的，我只知道我描述过的那些))))。 事实上，蚂蚁、蜜蜂和杂草都是很好的选择。当然，现在木有眼泪，下一个领导者会是什么--我不知道。 等我研究完所有重要的已知品种后，我再来研究杂交品种，杂交品种非常有前途。 现在我考虑的是种群类型，但还有其他类型，研究它们也会很有趣。 Andrey Dik 2023.03.24 15:24 #97 Maxim Dmitrievsky #: 我不太明白为什么到目前为止还没有一种直观的方法可以在多个历史片段上运行，并在测试器中对它们进行平均。也许可以通过帧来实现。 一般来说，测试仪/优化器会产生很多新的想法，我不知道是由专门的开发人员来做，还是由团队中的任何人来做....。 mytarmailS 2023.03.24 15:37 #98 Nikolai Semko #: 断章取义。请继续阅读。我是说，OP 上某一点的选择是否正确，并不取决于山丘或洼地，甚至也不取决于局部运动矢量在时间上的速度，而只取决于加速度矢量（速度的导数）的符号，其中一部分在未来，而这是不可知的。 因此，我想说的是，通过观察 OD 的时间变化，我们可以预测下一次运动的时间、我们就能预测下一个 OD，这意味着我们可以得到加速度矢量的符号以及点和 fit....因此，未知的是未来。 OP 是一个优化曲面 Aleksey Nikolayev 2023.03.24 16:25 #99 从三维图片中获取灵感是一个很大的错误。这就好比从二维图片中得出三维情况的结论。 在有两个参数的情况下，鞍的数量大致与最大值的数量一致--在两个最大值之间有一个鞍（在有一个参数的情况下，根本没有鞍）。随着参数数量的增加，鞍的数量会远远大于极值的数量，它们也会变得更加多样化。由于计算点的数量有限，最大化的主要任务就是不要把鞍点当作极值。 如果目标对参数的依赖存在不连续性，那么就会出现完全的黑暗，根本无法想象所有的多元变量。 Andrey Dik 2023.03.24 16:51 #100 Aleksey Nikolayev #:从三维图片中获取灵感是一个很大的错误。这就好比从二维图片中得出三维案例的结论。在两个参数的情况下，鞍的数量与最大值的数量大致对应--在两个最大值之间有一个鞍（在一个参数的情况下，根本没有鞍）。随着参数数量的增加，鞍的数量会远远大于极值的数量，它们也会变得更加多样化。由于计算点数量有限，最大化的主要任务就是不要把鞍点当作极值。如果目标对参数的依赖存在不连续性，那么就会出现完全的黑暗，根本无法想象所有的多元变量。 是的，非常正确。三维图像是我们所能看到的最大限度，更多维度的图像是看不到的。但我们需要对 AO 测试的表面有一个概念。 我使用三维测试函数（两个参数），即使测试中有 1000 个参数，也只有 500 个测试函数。 如果 FF 在参数上是 "异构 "的，就像 Expert Advisor 的情况一样，那么就根本无法想象出回旋面，但这并不比 "同构 "测试函数更难。文章中的所有算法都进行了 "chitting "测试，例如，您可以实际选择两个参数，然后将其复制到所有其他参数中，这样测试多元函数就会点击一次和两次。 还有一种关于算法 "平行-垂直"（我不知道具体叫法）倾向的方法，即当算法解决的优化问题的顶点和谷点位于坐标轴的垂直和水平方向时，这种算法在测试旋转函数时会失败（将任何测试函数旋转 5-10 度）。 1...345678910111213 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
交叉验证可以选择最佳的针或面。为了得到许多针，你可以在不同的历史片段中进行优化。ph值将保持不变。
顺便说一下，这里有一种方法可以过滤掉总是被浇注的参数（将其作为错误参数输入猫头鹰，测试仪就会跳过）。选择最常被浇注的区域，然后根据想象力使用这些浇注区域。
顺便说一下，这里有一种方法可以过滤掉总是耗水的参数（将它们作为错误参数输入猫头鹰，测试仪就会跳过它们）。选择最常耗水的区域，然后根据您的想象力使用这些耗水区域。
安德烈，还有更多的算法吗？止步于 SSG 有意义吗？)
算法有很多，我不知道是否还有更强大的算法。
这个表是活的，我一边学习一边添加算法，也就是说，我不能说--那边那个是最酷的，我只知道我描述过的那些))))。
事实上，蚂蚁、蜜蜂和杂草都是很好的选择。当然，现在木有眼泪，下一个领导者会是什么--我不知道。
等我研究完所有重要的已知品种后，我再来研究杂交品种，杂交品种非常有前途。
现在我考虑的是种群类型，但还有其他类型，研究它们也会很有趣。
我不太明白为什么到目前为止还没有一种直观的方法可以在多个历史片段上运行，并在测试器中对它们进行平均。也许可以通过帧来实现。
断章取义。请继续阅读。
从三维图片中获取灵感是一个很大的错误。这就好比从二维图片中得出三维情况的结论。
在有两个参数的情况下，鞍的数量大致与最大值的数量一致--在两个最大值之间有一个鞍（在有一个参数的情况下，根本没有鞍）。随着参数数量的增加，鞍的数量会远远大于极值的数量，它们也会变得更加多样化。由于计算点的数量有限，最大化的主要任务就是不要把鞍点当作极值。
如果目标对参数的依赖存在不连续性，那么就会出现完全的黑暗，根本无法想象所有的多元变量。
从三维图片中获取灵感是一个很大的错误。这就好比从二维图片中得出三维案例的结论。
在两个参数的情况下，鞍的数量与最大值的数量大致对应--在两个最大值之间有一个鞍（在一个参数的情况下，根本没有鞍）。随着参数数量的增加，鞍的数量会远远大于极值的数量，它们也会变得更加多样化。由于计算点数量有限，最大化的主要任务就是不要把鞍点当作极值。
如果目标对参数的依赖存在不连续性，那么就会出现完全的黑暗，根本无法想象所有的多元变量。
是的，非常正确。三维图像是我们所能看到的最大限度，更多维度的图像是看不到的。但我们需要对 AO 测试的表面有一个概念。
我使用三维测试函数（两个参数），即使测试中有 1000 个参数，也只有 500 个测试函数。
如果 FF 在参数上是 "异构 "的，就像 Expert Advisor 的情况一样，那么就根本无法想象出回旋面，但这并不比 "同构 "测试函数更难。文章中的所有算法都进行了 "chitting "测试，例如，您可以实际选择两个参数，然后将其复制到所有其他参数中，这样测试多元函数就会点击一次和两次。
还有一种关于算法 "平行-垂直"（我不知道具体叫法）倾向的方法，即当算法解决的优化问题的顶点和谷点位于坐标轴的垂直和水平方向时，这种算法在测试旋转函数时会失败（将任何测试函数旋转 5-10 度）。