В данной статье исследуется влияние изменения формы распределений вероятностей на производительность алгоритмов оптимизации. Мы проводим эксперименты на тестовом алгоритме 'Умный головастик' (SC), чтобы оценить эффективность различных распределений вероятностей в контексте оптимизационных задач.
这篇文章很有意思，应该会引起人们对你发表的系列文章的兴趣！
当然，所建议的实现方法的缺点是缺乏通用性，即必须完全重写现有的智能交易系统，并引入一个具有多种功能的虚拟测试器。当然，该方法的优点在于虚拟指标带来的可接受的工作速度。
感谢您的评论。
当然，这种实现方式也有缺点。但在这篇文章中，我更关注的是使用优化算法的概念。事实上，使用算法的方案可以多种多样，算法的通用架构允许实现任何需要搜索或优化的想法。
至于作为在历史记录上运行 EA 策略的过程的自我优化，理想的情况是有一个标准的 MQL5 函数，如 HistoricalSelfRun（开始日期、结束日期、参数），它可以在轻量级版本的测试器中在历史记录上运行 EA。现在，您可以通过命令行运行测试器，但这是一个单独的过程，而且这种解决方案并不适合市场。
您是否尝试过不使用图表范围进行优化，而是为每个指标/预测器设置一组先前选定的设置？这种方法大大缩小了搜索范围，但我知道并不是所有算法都能正常工作，因为参数与参数之间的变化并不平滑，还是说这并不重要？
我明白你的意思，我想你的意思是，在某些算法中，参数的改变应该由算法自己完成，外部干扰是不可取的？有些算法确实不喜欢你通过给它们提供坐标从外部干扰它们的工作，但大多数算法都能容忍这种干扰。我正在准备一篇文章，介绍算法在这种情况下的行为。是的，有时从搜索空间的某个位置启动算法会非常有用。
是否有计划按照本文概述的思路，撰写关于算法其他应用的文章：
优化领域尚未开垦，这些话题非常有趣。我希望能继续研究这些课题。
谢谢。我会仔细检查所有算法。你认为哪种算法最好？
你到底想仔细检查什么？
哪种算法更好由每个人自己决定，所有算法都有优点和缺点，我已经尽量把优点和缺点都显示出来了。此外，还有一个评级表，足以说明问题。
您曾询问过分布情况，检查分层情况很有意思
https://www.mql5.com/ru/forum/86386/page3395#comment_51967665
https://habr.com/ru/articles/496750/
你曾经问过分布情况，检查分层情况很有意思
https://www.mql5.com/ru/forum/86386/page3395#comment_51967665
https://habr.com/ru/articles/496750/
你曾经问过分布情况，检查分层情况很有意思
我不明白，我在何时何地问过？
任何优化算法都是基于概率分布的。因此，分布在算法的运行中起着关键作用。
如果你说的是高频生成的均匀性，那么就优化而言，讨论高频质量对搜索特性的影响可能更为恰当。而这个话题就在覆盖范围的计划中。
这篇文章 中提到了分布。这是一种可能性。
这个问题本来在 Saber 的购物车里，现在不在了。
可能是这样
问题在赛博的推车上，现在不在了。