文章 "人工原子算法（A3）"
我完全看不懂
我也是，第一次读的时候确实有点难懂，哈哈。这个想法听起来很有意思，但当共价键/离子键的规则以及电子分配的规则不太明确时，很难正确评估这个算法。
对我来说，最有用的部分应该是一个简单的分步示例，比如包含2个原子和几个变量，然后具体展示一次迭代如何改变解。如果没有这些，这更像是一个概念，而不是交易员能够真正理解或测试的内容。
真是个疯狂的概念。接下来请写写“大爆炸理论”的优化概念吧。
我的评价
试想一下，有100个孩子 正在公园里寻找一个藏起来的玩具。
每个孩子从不同的位置出发。
算法是这样运行的：
- 第一轮中， 它将所有孩子随机分散到公园的各个位置。
- 之后，在每一轮中：
- 部分孩子会观察谁离玩具最近，并朝那个方向走一小段路。
- 其余的孩子则跟随 那些进展顺利的孩子中随机选出的一名。
- 偶尔，会有 一个孩子决定去探索一个完全陌生的 地方，看看能否找到更好的路径。
-
每当有孩子试图走出公园时，算法就会说：
“不行！请留在公园范围内。”
- 这个过程会重复多次。
最终，由于所有孩子都会向那些找到更好路径的孩子学习，整个群体便会越来越接近那个玩具。
简而言之：
该算法让多个“人”尝试解决问题，从最佳解决方案中学习，有时还会探索新地方以寻找更好的解决方案。
注：该代码目前仍处于中级水平，需要进行一些调整。
Algoritmo da viagem evolutiva no tempo — Time Evolution Travel Algorithm (TETA)
- 2025.07.08
- www.mql5.com
Meu algoritmo original. Neste artigo é apresentado o Algoritmo da Viagem Evolutiva no Tempo (TETA), inspirado no conceito de universos paralelos e fluxos temporais. A ideia central do algoritmo é que, embora a viagem no tempo no sentido convencional seja impossível, podemos escolher uma sequência de eventos que leva a diferentes realidades.
新文章 人工原子算法（A3）已发布：
该算法通过模拟原子与电子的相互作用寻找最优解。核心单元为原子，每一个原子代表问题的一组候选解。电子表示决策变量。共价键算子负责保存、复制当前最优解；离子键算子用于探索搜索空间，助力算法搜寻全局最优。
算法流程：首先随机生成一组原子种群，通过目标函数评估每个原子对应的解质量；随后调用共价键、离子键算子迭代优化候选解（遗憾的是原始文献并未说明两种算子的具体执行方式）。下一步需要评估电子带来的影响。同样，文献并未给出具体实现方案。文中还要求对电子、原子进行排序。我们可以对原子（候选解）排序，但如何对电子排序完全没有可供参考的逻辑 —— 好比试图把人的四肢排序，区分左右手、左右腿，本身不存在合理依据。之后重复迭代，直至满足终止条件。常言道，巧妇难为无米之炊，但现有资料有限，只能基于现有内容开展工作。我们需要依托原作者提出的核心思想，搭建完整算法框架。
作者：Andrey Dik