文章 "种群优化算法:微人工免疫系统(Micro-AIS)" - 页 2 12345 新评论 fxsaber 2024.01.20 19:10 #11 Vladimir Suslov #:我们为什么要通过优化来寻找这个函数的参数? 看看优化算法是否能胜任。 Vladimir Suslov 2024.01.20 19:21 #12 fxsaber #:看看优化算法是否能应对。处理什么? 这个函数有无数个相等的最大值。 和最小值 fxsaber 2024.01.20 19:34 #13 Vladimir Suslov #:处理什么? 找到(给定离散度的)尽可能接近一个集合的问题。最简单的 FF 之一,可用于比较算法。 Vladimir Suslov 2024.01.20 19:53 #14 fxsaber #:问题是找到(给定离散度的)尽可能接近于一个的集合。这是可用于比较算法的最简单的 FFs 之一。 在这一系列文章中,确实有可以进行比较的 FF,也有算法比较。 感谢作者。 我想在优化智能交易系统时应用这些算法和其他算法。 Andrey Dik 2024.01.20 20:25 #15 公平地说,应该指出的是,周期函数在实际问题(我指的是那些用 AO 求解有意义的问题)中很少遇到。通常情况下,如果有递归,那也是周期不断变化的循环。 其中一篇文章说,在用作基准的函数中不允许使用周期性,因为这会由于搜索策略的一些特殊性而产生假阳性,如蜂群行为、使用周期性振荡、使用几何 规律性(如黄金分割率)等,这些策略可以在严格的周期性测试函数上显示出优异的结果,但在其他更实际的问题上却表现平平。 这就好比把狼和虎鲸一起扔进大海,看谁更强壮,或者把虎鲸和狼一起扔进森林。这就是为什么我放弃了拉斯特里金的功能,以均衡算法进行比较的可能性。 还有一个细微差别是我之前没有预料到的,某些类型的算法可能会在使用多重复制(以模拟多维性)的基准上显示出高估的结果。我现在还不能下结论,还需要更多的研究,但测试方法有可能在不久的将来会略有改变。 从经验和知识积累的意义上说,这是一个有生命力的系列文章,读者可以和作者一起,一路走下去,这远不是一目了然的。 PS.如果知道要解决的 NP-complete 实际问题具有周期性,就应该在算法中选择那些在周期性基准上表现更好的算法。否则,应避免使用周期性基准。 PPS.我并不自称是最后的意见,优化理论是如此之广,以至于几乎不可能真正对问题有一个单一的正确看法。 Andrey Dik 2024.01.20 20:36 #16 Vladimir Suslov #:1- 感谢作者。2 我想应用这些算法和其他算法来优化智能顾问。 1.谢谢。 2.谢谢@fxsaber,现在你的愿望更接近实现了。 Andrey Dik 2024.01.20 21:01 #17 Vladimir Suslov #:这个函数有无数个相等的最大值。 ps: 和极值任何函数在有限定义域上都有有限个极值,其增量都不是无限的。这似乎有一个数学上的理由,但我不记得是哪个了。)如果我没记错的话,它是由极限证明的。 Vladimir Suslov 2024.01.20 21:33 #18 Andrey Dik #: 任何函数在有限定义域上都有有限个极值,其增量都不是无限的。这在数学上是有道理的,我不记得是哪一个了,不过))))。如果我没记错的话,它是由极限证明的。 Res *= MathSin(Arg[i]); 很明显,正弦不可能大于 +1,正弦的乘积也不可能大于 1。 在没有极限的情况下) 我们可以把这个函数的最大值称为 max = pi/2 + n*2*pi 其中 n 是任意整数 在 sin(x)=-1 的参数中可以有偶数个值 其中 x = pi/2+pi + n*2*pi 相乘得到 +1 Andrey Dik 2024.01.20 21:43 #19 Vladimir Suslov #:显然,正弦值不能大于 +1,正弦值的乘积也不能大于 1。无限制)我们可以把这个函数的最大值称为max = pi/2 + n*2*pi其中 n 是任意整数在 sin(x)=-1 的情况下,参数中可以有偶数个值其中 x = pi/2+pi + n*2*pi相乘得到 +1 И?))在有限的定义域中,极值的数量是有限的。而不是无界数。让我们牢记,阶跃值是有限的。还有一点要记住:我们知道测试 FF 的极值,但算法不知道。这就是问题所在,这也是为什么我们可以测试算法,而不能测试我们自己。唉,唉。)一个笑话,但在每一个笑话..... Vladimir Suslov 2024.01.20 21:50 #20 Andrey Dik #:AND?))) 在一个有限的定义域中,极值的数量是有限的。 请记住,阶跃值是有限的。 max = pi/2 + n*2*pi 其中 n 是任意整数。 极限在哪里? 12345 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
我们为什么要通过优化来寻找这个函数的参数?
看看优化算法是否能胜任。
看看优化算法是否能应对。
处理什么?
和最小值这个函数有无数个相等的最大值。
处理什么?
找到(给定离散度的)尽可能接近一个集合的问题。最简单的 FF 之一,可用于比较算法。
问题是找到(给定离散度的)尽可能接近于一个的集合。这是可用于比较算法的最简单的 FFs 之一。
在这一系列文章中,确实有可以进行比较的 FF,也有算法比较。
感谢作者。
我想在优化智能交易系统时应用这些算法和其他算法。
公平地说,应该指出的是,周期函数在实际问题(我指的是那些用 AO 求解有意义的问题)中很少遇到。通常情况下,如果有递归,那也是周期不断变化的循环。
其中一篇文章说,在用作基准的函数中不允许使用周期性,因为这会由于搜索策略的一些特殊性而产生假阳性,如蜂群行为、使用周期性振荡、使用几何 规律性(如黄金分割率)等,这些策略可以在严格的周期性测试函数上显示出优异的结果,但在其他更实际的问题上却表现平平。
这就好比把狼和虎鲸一起扔进大海,看谁更强壮,或者把虎鲸和狼一起扔进森林。这就是为什么我放弃了拉斯特里金的功能,以均衡算法进行比较的可能性。
还有一个细微差别是我之前没有预料到的,某些类型的算法可能会在使用多重复制(以模拟多维性)的基准上显示出高估的结果。我现在还不能下结论,还需要更多的研究,但测试方法有可能在不久的将来会略有改变。
从经验和知识积累的意义上说,这是一个有生命力的系列文章,读者可以和作者一起,一路走下去,这远不是一目了然的。
PS.如果知道要解决的 NP-complete 实际问题具有周期性,就应该在算法中选择那些在周期性基准上表现更好的算法。否则,应避免使用周期性基准。
PPS.我并不自称是最后的意见,优化理论是如此之广,以至于几乎不可能真正对问题有一个单一的正确看法。
1- 感谢作者。
2 我想应用这些算法和其他算法来优化智能顾问。
1.谢谢。
2.谢谢@fxsaber,现在你的愿望更接近实现了。
这个函数有无数个相等的最大值。
ps: 和极值Res *= MathSin(Arg[i]);很明显,正弦不可能大于 +1
,正弦的乘积也不可能大于 1。
在没有极限的情况下)
我们可以把这个函数的最大值称为
max = pi/2 + n*2*pi
其中 n 是任意整数
在 sin(x)=-1 的参数中可以有偶数个值
其中 x = pi/2+pi + n*2*pi
相乘得到 +1
显然,正弦值不能大于 +1
,正弦值的乘积也不能大于 1。
无限制)
我们可以把这个函数的最大值称为
max = pi/2 + n*2*pi
其中 n 是任意整数
在 sin(x)=-1 的情况下,参数中可以有偶数个值
其中 x = pi/2+pi + n*2*pi
相乘得到 +1
max = pi/2 + n*2*pi
其中 n 是任意整数。
极限在哪里?