文章 "群体优化算法：随机扩散搜索（SDS）" 新评论 MetaQuotes 2024.05.29 09:50 新文章 群体优化算法：随机扩散搜索（SDS）已发布： 本文讨论了基于随机游走原理的随机扩散搜索（Stochastic Diffusion Search，SDS）算法，它是一种非常强大和高效的优化算法。该算法允许在复杂的多维空间中找到最优解，同时具有高收敛速度和避免局部极值的能力。 有趣的事实：1. 随机扩散搜索（SDS）是第一个群智能元启发式算法，属于群智能和自然搜索优化算法的家族。这种算法的其他例子是蚁群优化、粒子群优化和遗传算法。 2. 与基于柱头能量通信的蚁群优化不同，SDS使用代理之间的直接通信，类似于细齿蚁使用的串联呼叫机制。 SDS算法基于代理对假设（搜索问题的候选解决方案）的低成本部分评估。然后，代理通过直接的个体交流来交换关于假设的信息。通过扩散机制，可以从具有相同假设的代理集群中识别出高质量的解决方案。 金矿游戏 一群由经验丰富的矿工组成的朋友了解在山脉的山丘上开采黄金的可能性。然而，他们没有关于最富有的地方到底在哪里的信息。在他们的地图上，山脉被划分为几个单独的山丘，每个山丘都包含一组需要开采的地层。随着时间的推移，发现黄金的概率与其财富成正比。 为了最大限度地增加他们的集体财富，矿工们应该确定这座山上有最丰富的金矿层，以便最大数量的矿工能够在那里开采。但是，这些信息无法提前获得。为了解决这个问题，矿工们决定使用简单的随机扩散搜索。 采矿过程开始时，每个矿工被随机分配一座小山进行采矿（自定义小山假设）。每天，每个矿工都会随机选择他们山上的一个地层进行开采。 作者：Andrey Dik fxsaber 2023.10.18 21:11 #1 到目前为止，我对执行情况了解甚少。所以我的问题是 如果在 FF 中只需优化一半的输入参数，那么是否可以要求优化表面上所有的参数，但只有 "不必要 "的那一半参数的范围不可更改？ Andrey Dik 2023.10.18 21:37 #2 fxsaber #:到目前为止，我对执行情况了解甚少。所以我有个问题。如果在 FF 中只需优化一半的输入参数，那么是否可以要求优化表面上所有的参数，但只有 "不必要 "的那一半参数的范围不可更改？ 当然可以，如果我对问题的理解正确的话，可以设置相应参数的范围 MIN=MAX（步长不起作用，可以任意设置）。在这种情况下，这些参数将以相同的值输出。一般来说，该算法不会计算 FF，因此只能选择性地显示用户需要的参数。 Aleksandr Slavskii 2023.10.20 17:36 #3 fxsaber #:如果 FF 已 ... 什么是 FF ???? Andrey Dik 2023.10.20 17:51 #4 Aleksandr Slavskii #:FF ????什么是 FF？ 健合函数，是指需要优化的东西（FF 或 FF） Aleksandr Slavskii 2023.10.20 18:38 #5 Andrey Dik #: 健度函数，是指需要优化的东西（FF 或 FF） 谢谢您，好心人。 nevar 2023.12.11 22:19 #6 1- 是否可以对输入和输出进行缩放或归一化（Zscore-MinMax-Logistic-LogNormal）？ 2 -是否可以预测 X 条 之前的最佳买入卖出信号，而不是指标参数优化？ 这种算法找到局部和全局最大最小值的能力如何？ 谢谢。 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
新文章 群体优化算法：随机扩散搜索（SDS）已发布：
本文讨论了基于随机游走原理的随机扩散搜索（Stochastic Diffusion Search，SDS）算法，它是一种非常强大和高效的优化算法。该算法允许在复杂的多维空间中找到最优解，同时具有高收敛速度和避免局部极值的能力。
有趣的事实：
1. 随机扩散搜索（SDS）是第一个群智能元启发式算法，属于群智能和自然搜索优化算法的家族。这种算法的其他例子是蚁群优化、粒子群优化和遗传算法。
2. 与基于柱头能量通信的蚁群优化不同，SDS使用代理之间的直接通信，类似于细齿蚁使用的串联呼叫机制。
SDS算法基于代理对假设（搜索问题的候选解决方案）的低成本部分评估。然后，代理通过直接的个体交流来交换关于假设的信息。通过扩散机制，可以从具有相同假设的代理集群中识别出高质量的解决方案。
金矿游戏
一群由经验丰富的矿工组成的朋友了解在山脉的山丘上开采黄金的可能性。然而，他们没有关于最富有的地方到底在哪里的信息。在他们的地图上，山脉被划分为几个单独的山丘，每个山丘都包含一组需要开采的地层。随着时间的推移，发现黄金的概率与其财富成正比。
为了最大限度地增加他们的集体财富，矿工们应该确定这座山上有最丰富的金矿层，以便最大数量的矿工能够在那里开采。但是，这些信息无法提前获得。为了解决这个问题，矿工们决定使用简单的随机扩散搜索。
采矿过程开始时，每个矿工被随机分配一座小山进行采矿（自定义小山假设）。每天，每个矿工都会随机选择他们山上的一个地层进行开采。
作者：Andrey Dik