文章 "随机数生成器质量对优化算法效率的影响" - 页 11 1...456789101112131415 新评论 Andrey Dik 2024.04.07 10:19 #101 Maxim Dmitrievsky #: 在这里，你回答了你自己的问题，即比较不同的 DST 时，大约应该最少重启多少次。这正是我所写的内容，而你却在之后一笔带过。 你这是对主题的无知，先搞清楚运行和重启的区别吧。我的帖子是关于选择优化算法 FF 运行次数的经验法则，即应该运行多少次拟合函数才能确保优化算法达到可接受的收敛性。在我的测试中，我使用了 10000000 次的拟合函数运行，相当于 10^4。在这篇文章中，我们考虑了 GSC 质量对优化结果的影响，这 10000 次运行的拟合函数是优化算法的一部分。 为了比较 DST 之间的差异，需要对随机数分布的均匀性进行测试，DST 的运行次数远远大于 10^4。 2024.03.18 20:54:33.459 标准，100000000 次抛掷，10000 个盒子 即 100000000 = 10^8！ 请不要在我的文章评论中发表更多内容。 Maxim Dmitrievsky 2024.04.07 10:26 #102 Andrey Dik #:你这是对主题的无知，请先了解运行和重启之间的区别。我的帖子是关于选择优化算法 FF 运行次数的经验法则，即需要运行多少次拟合函数才能确保优化算法达到可接受的收敛性。在我的测试中，我使用了 10000000 次的拟合函数运行，相当于 10^4。在本文中，作为优化算法的一部分，我们考虑了在这 10000 次运行拟合函数时 HSC 质量对优化结果的影响。 为了对 DST 进行相互比较，在进行随机数分布均匀性测试时，DST 的运行次数远远大于 10^4。 2024.03.18 20:54:33.459 标准，100000000 次投掷，10000 个盒子 即 100000000 = 10^8！请不要在我的文章评论中发表更多内容。 为了比较使用不同 DST 的同一优化算法，您需要对其进行相同次数的重启，而不是 5 次。次数越多越好。这样才能清楚哪种 DST 更好/更差/平均影响如何。 Andrey Dik 2024.04.07 10:32 #103 Maxim Dmitrievsky #: 要比较使用不同 DST 的同一优化算法，需要重新开始的次数大致相同，而不是 5 次。次数越多越好。这样才能清楚哪种 DST 更好/更差/平均影响如何。 5 是测试次数。优化算法所产生的结果差异要大于使用不同 DST 所产生的明显差异。 你先是在之前删除的帖子中声称 DST 不应该有影响，现在又声称有影响，但在测试中没有显示出来？你在混淆自己的说法。 我再重复一遍，请进行你自己的测试，要么反驳我的结论，要么证实我的结论。我已经提供了所有的测试工具。我的文章是用于实际应用的，而不是为了理论而理论。 。 Maxim Dmitrievsky 2024.04.07 10:35 #104 Andrey Dik #:5 是测试次数。优化算法带来的结果差异大于应用不同 DST 带来的明显差异。 你先是在之前删除的帖子中声称 DGS 不应该有任何影响，现在又声称有影响，但在测试中却没有显示出来？你在混淆自己的说法。我再重复一遍，请进行自己的测试，要么反驳我的结论，要么证实我的结论。我已经提供了所有的测试工具。 。 对用户来说没有任何区别，因为每次运行的变化都超过了应用特定 DST 时的变化。没有人会在自己的任务中运行 10^n 次。如果要比较 gcp 的影响，您需要运行一百万次，而不是 5 次。 Stanislav Korotky 2024.04.08 13:13 #105 fxsaber #: 即使是这样的正面方案对我来说也是可行的。但我不明白如何定义在多维空间中戳的区域？有什么想法，如何通过 FF 的计算值（假设为 10 000 个）来确定找到的全局峰值的面积？以便在 FF 的下一次迭代中，在该区域强制执行 -DBL_MAX。 期望最大化算法（一般）和高斯混杂模型算法（特别）是实现这一目标的理想选择。它将选择所有山丘作为单独的聚类，之后您可以将其中任何一个聚类归零。 遗憾的是，即使在 ALGLIB 中，MQL5 中也没有这个功能。目前，您可以从 python 中提取。如果您有这方面的需求，本网站上的资料也同样适用。 Andrey Dik 2024.04.08 14:39 #106 Stanislav Korotky #:期望最大化算法（一般）和高斯混杂模型算法（特别）是这方面的理想选择。它将选择所有山丘作为单独的聚类，然后可以将其中任何一个聚类归零。遗憾的是，即使在 ALGLIB 中，MQL5 中也没有这个功能。目前，您可以从 python 中提取。如果您有这方面的需求，本网站上的资料也同样适用。 非常有趣，我已经考虑到了。 Stanislav Korotky 2024.04.08 16:17 #107 问题是下一步该如何处理这些带有 "山顶 "的集合。之前我们有一个全局最大值作为优化算法的解，假设现在我们有 50 个全局最大值。但它们并不能解决 稳定性问题。 Andrey Dik 2024.04.08 16:26 #108 Stanislav Korotky #: 问题是下一步该如何处理这些带有 "山顶 "的集合。之前我们有一个全局最大值作为优化算法的解，假设现在我们有 50 个全局最大值。但它们并不能解决稳定性问题。 我们不知道萨博为什么要寻找峰值（也许他会告诉我们），在他的问题陈述中，也许这就是找到稳健解决方案的方法。 在我之前给出的图表中，您认为图表中的哪个元素会影响找到稳健解决方案（稳健结果）？ Stanislav Korotky 2024.04.08 17:38 #109 Andrey Dik #:在我之前给出的图表中，你认为图表中的哪个元素会影响找到稳健的解决方案（稳健结果）？ 我认为没有。 Andrey Dik 2024.04.08 17:43 #110 Stanislav Korotky #:在我看来，这里没有。 电路中没有负责和/或影响稳健性的元素？这个元件是什么？ 1...456789101112131415 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
在这里，你回答了你自己的问题，即比较不同的 DST 时，大约应该最少重启多少次。这正是我所写的内容，而你却在之后一笔带过。
你这是对主题的无知，先搞清楚运行和重启的区别吧。我的帖子是关于选择优化算法 FF 运行次数的经验法则，即应该运行多少次拟合函数才能确保优化算法达到可接受的收敛性。在我的测试中，我使用了 10000000 次的拟合函数运行，相当于 10^4。在这篇文章中，我们考虑了 GSC 质量对优化结果的影响，这 10000 次运行的拟合函数是优化算法的一部分。
为了比较 DST 之间的差异，需要对随机数分布的均匀性进行测试，DST 的运行次数远远大于 10^4。
2024.03.18 20:54:33.459 标准，100000000 次抛掷，10000 个盒子
即 100000000 = 10^8！
请不要在我的文章评论中发表更多内容。
你这是对主题的无知，请先了解运行和重启之间的区别。我的帖子是关于选择优化算法 FF 运行次数的经验法则，即需要运行多少次拟合函数才能确保优化算法达到可接受的收敛性。在我的测试中，我使用了 10000000 次的拟合函数运行，相当于 10^4。在本文中，作为优化算法的一部分，我们考虑了在这 10000 次运行拟合函数时 HSC 质量对优化结果的影响。
为了对 DST 进行相互比较，在进行随机数分布均匀性测试时，DST 的运行次数远远大于 10^4。
2024.03.18 20:54:33.459 标准，100000000 次投掷，10000 个盒子
即 100000000 = 10^8！
请不要在我的文章评论中发表更多内容。
要比较使用不同 DST 的同一优化算法，需要重新开始的次数大致相同，而不是 5 次。次数越多越好。这样才能清楚哪种 DST 更好/更差/平均影响如何。
5 是测试次数。优化算法所产生的结果差异要大于使用不同 DST 所产生的明显差异。
你先是在之前删除的帖子中声称 DST 不应该有影响，现在又声称有影响，但在测试中没有显示出来？你在混淆自己的说法。
我再重复一遍，请进行你自己的测试，要么反驳我的结论，要么证实我的结论。我已经提供了所有的测试工具。我的文章是用于实际应用的，而不是为了理论而理论。
。
5 是测试次数。优化算法带来的结果差异大于应用不同 DST 带来的明显差异。
你先是在之前删除的帖子中声称 DGS 不应该有任何影响，现在又声称有影响，但在测试中却没有显示出来？你在混淆自己的说法。
我再重复一遍，请进行自己的测试，要么反驳我的结论，要么证实我的结论。我已经提供了所有的测试工具。
。
即使是这样的正面方案对我来说也是可行的。但我不明白如何定义在多维空间中戳的区域？
有什么想法，如何通过 FF 的计算值（假设为 10 000 个）来确定找到的全局峰值的面积？以便在 FF 的下一次迭代中，在该区域强制执行 -DBL_MAX。
期望最大化算法（一般）和高斯混杂模型算法（特别）是实现这一目标的理想选择。它将选择所有山丘作为单独的聚类，之后您可以将其中任何一个聚类归零。
遗憾的是，即使在 ALGLIB 中，MQL5 中也没有这个功能。目前，您可以从 python 中提取。如果您有这方面的需求，本网站上的资料也同样适用。
期望最大化算法（一般）和高斯混杂模型算法（特别）是这方面的理想选择。它将选择所有山丘作为单独的聚类，然后可以将其中任何一个聚类归零。
遗憾的是，即使在 ALGLIB 中，MQL5 中也没有这个功能。目前，您可以从 python 中提取。如果您有这方面的需求，本网站上的资料也同样适用。
问题是下一步该如何处理这些带有 "山顶 "的集合。之前我们有一个全局最大值作为优化算法的解，假设现在我们有 50 个全局最大值。但它们并不能解决稳定性问题。
我们不知道萨博为什么要寻找峰值（也许他会告诉我们），在他的问题陈述中，也许这就是找到稳健解决方案的方法。
在我之前给出的图表中，您认为图表中的哪个元素会影响找到稳健解决方案（稳健结果）？
在我之前给出的图表中，你认为图表中的哪个元素会影响找到稳健的解决方案（稳健结果）？
我认为没有。
在我看来，这里没有。