文章 "您应当知道的 MQL5 向导技术（第 41 部分）：深度-Q-网络" 新评论 MetaQuotes 2025.06.30 08:50 新文章 您应当知道的 MQL5 向导技术（第 41 部分）：深度-Q-网络已发布： “深度-Q-网络” 是一种强化学习算法，在机器学习模块的训练过程中，神经网络参与预测下一个 Q 值和理想动作。我们曾研究过另一种强化学习算法 “Q-学习”。本文因此出示了另一个如何配以强化学习训练 MLP 的示例，可于自定义信号类中所用。 深度-Q-网络（DQN）是另一种强化学习算法，除了我们在本文中看到的 Q-学习 之外，但它们与 “Q-学习” 不同，使用神经网络来预测 q-值和代理人下一步欲采取的动作。它与 “Q-学习” 类似/相关，因为仍然涉及 “Q-表”，其中累积自先前“局次”得来的动作和状态的知识。事实上，它与 “Q-学习” 共享同样的维基百科页面，如从链接中可见，其中它基本上被定义为 “Q-学习” 的变体。 信号类、尾随止损类、和资金管理类一起，是向导汇编智能系统时需要定义的三个主要构建模块。通过 MQL5 向导将它们放到一起，可按 这里 和 这里 为新读者提供的指南来完成。本文底部附带的源代码，意在遵照这些链接中分享的向导汇编指南使用。我们再次寻求定义一个自定义信号类，以便能在向导汇编的智能系统中使用。 不过，这并非我们验证 DQN 的唯一途径，正如自定义尾随类、或自定义资金管理类的实现，也可以制作和测试。不过，我们专注于信号类，因为判定这些智能系统的做多和做空条件至关重要，在许多情况下，更好地展示交易设置的潜力。本文以本系列中的前几篇文章为基础，其中我们详细讲述了开发自定义向导汇编智能系统时可用的技术、或不同设置，故此对于新读者来说，回顾过去的文章将是一个好主意，尤其若他们正在寻求多样化的实现方式。这些文章不仅涵盖各种自定义信号，还涵盖了自定义尾随类、及资金管理类的实现。 作者：Stephen Njuki 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 您应当知道的 MQL5 向导技术（第 41 部分）：深度-Q-网络已发布：
深度-Q-网络（DQN）是另一种强化学习算法，除了我们在本文中看到的 Q-学习 之外，但它们与 “Q-学习” 不同，使用神经网络来预测 q-值和代理人下一步欲采取的动作。它与 “Q-学习” 类似/相关，因为仍然涉及 “Q-表”，其中累积自先前“局次”得来的动作和状态的知识。事实上，它与 “Q-学习” 共享同样的维基百科页面，如从链接中可见，其中它基本上被定义为 “Q-学习” 的变体。
信号类、尾随止损类、和资金管理类一起，是向导汇编智能系统时需要定义的三个主要构建模块。通过 MQL5 向导将它们放到一起，可按 这里 和 这里 为新读者提供的指南来完成。本文底部附带的源代码，意在遵照这些链接中分享的向导汇编指南使用。我们再次寻求定义一个自定义信号类，以便能在向导汇编的智能系统中使用。
不过，这并非我们验证 DQN 的唯一途径，正如自定义尾随类、或自定义资金管理类的实现，也可以制作和测试。不过，我们专注于信号类，因为判定这些智能系统的做多和做空条件至关重要，在许多情况下，更好地展示交易设置的潜力。本文以本系列中的前几篇文章为基础，其中我们详细讲述了开发自定义向导汇编智能系统时可用的技术、或不同设置，故此对于新读者来说，回顾过去的文章将是一个好主意，尤其若他们正在寻求多样化的实现方式。这些文章不仅涵盖各种自定义信号，还涵盖了自定义尾随类、及资金管理类的实现。
作者：Stephen Njuki