Pregunta sobre Genetic Build using initial population

Hola equipo de SQ,

Si utilizo SQ para realizar una construcción de evolución genética de estrategias, con una población inicial == tamaño de la población, ¿alguna vez hace algo fuera de usar las reglas de entrada/salida/parada ya existentes en la población inicial, o utiliza cualquier bloque de construcción seleccionado al azar que no esté en ninguna de las estrategias de la población inicial?

Gracias,

Mike

-Mutación = nuevas reglas
-Cross over = mezcla de estrategias
independientemente de si carga una población inicial o genera una dentro de la genética.

-Mutación = nuevas reglas
-Cross over = mezcla de estrategias
independientemente de si carga una población inicial o genera una dentro de la genética.

Vale, gracias, así que si aumento la Mutación, con toda probabilidad utilizará más bloques de construcción seleccionados al azar. Voy a intentarlo.

Vale, gracias, así que si aumento la Mutación, con toda probabilidad utilizará más bloques de construcción seleccionados al azar. Voy a intentarlo.

Definitivamente, yo uso los valores por defecto, porque por lo general pasan mucho tiempo conseguir una buena población inicial y buscar sólo mezclarlos y dejar genética encontrar el mejor candidato y, esencialmente, optimizar para mí a través de un montón de bucles genéticos, pero si usted tiene sólo un avg o de baja calidad de la población inicial a su vez la mutación hacia arriba.

Lo estoy usando porque tengo algunos datos externos se alimenta de configuración en SQ como indicadores personalizados. Me gustaría ver si estos mejoran el rendimiento de algunas estrategias existentes y buenas que tengo.

No puedo utilizar Improve, porque hay un error de larga data en SQ, que significa que los indicadores personalizados nunca se utilizan dentro de Improve, siempre generan un error en el registro de SQ.

Así que estoy esperando que mediante el uso de mutación SQ recogerá estos nuevos indicadores personalizados si mejoran las estrategias en absoluto.

Establecer la mutación en cualquier nivel no parece introducir reglas nuevas o aleatorias en la estrategia. 

A mí me parece que no funciona. Cada generación es sólo una combinación de reglas existentes, no se incorporan nuevos bloques de construcción a una nueva generación.

Parece que la parte genética de SQ3 no funciona como ustedes creen.....

@Mark @Thomas

¿Puede confirmar que la mutación debe extraer nuevas reglas de los bloques de construcción seleccionados, incluidos los indicadores personalizados?

Cargue la misma estrategia en la población inicial 50 veces (simplemente clónela en la carpeta a través de copiar y pegar), establezca la población inicial a 50, ponga la mutación en 100% y deje que se ejecute. Cualquier estrategia en el banco de datos con reglas alteradas significa que la mutación está funcionando.

Hazlo con una estrategia media o mala. Si lo haces con una buena estrategia, las mutaciones no aparecerán en la base de datos porque serán filtradas. Dale tiempo.

Sí, la mutación debería funcionar correctamente. Después de algún tiempo usted debe ver las reglas alteradas

De acuerdo, lo intentaré de nuevo e informaré.

Gracias a todos.

Creo que puede haber un error en la construcción genética cuando se utiliza alta mutación (100%) y los indicadores personalizados.

Todas las estrategias generadas en la pestaña Última generación utilizan las reglas existentes o toda la lista de estrategias de la pestaña parpadea muy rápidamente, y el código fuente de la estrategia muestra:

IndicatorParameters - ¡los nombres de los parámetros del indicador no son los mismos que el número de parámetros en las constantes!   0 1

Nada se registra en el registro de errores, esto aparece en el Pseudo Código, mientras que los nombres de las estrategias están parpadeando como locos en la lista de pestañas....

Así que me parece que los indicadores personalizados no funcionan en la construcción genética a través de mutation.....

Hola,

Los miembros de la población se comparan entre sí en función de su aptitud (es decir, Net Profit o cualquier otro criterio de optimización). Los miembros más aptos se seleccionan como "padres" para producir un nuevo miembro de la población que sustituye a los miembros más débiles (menos aptos).

Sólo añado que la selección se hace aleatoriamente utilizando la probabilidad. Si la estrategia tiene mayor aptitud, también es más probable que sea elegida como padre para una nueva estrategia.

Mike - gracias por el informe de error. Es posible que haya algún error en los indicadores personalizados utilizados en la mutación o evolución. O tal vez el problema es que indicador personalizado no puede mutar y sólo seguir copiando el mismo indicador personalizado en cada estrategia.