LECTURE SEULEMENT

Le forum est désormais une archive en lecture seule.

Pour les rapports de bogues et les questions relatives à la plateforme → [email protected]

Notre communauté vit sur Discord et YouTube - rejoignez-nous !

JOIGNEZ-NOUS SUR Discord YouTube

pourquoi utiliser la génération aléatoire ?

3 réponses

ybhx0315

Client, bbp_participant, communauté, 27 réponses.

Visiter le profil

il y a 10 ans #115279

Bonjour à tous,

 

Je n'ai aucune idée de cette question qui me perturbe depuis le premier jour où j'ai utilisé SQ.

La génération aléatoire génère simplement des stratégies de manière aléatoire, sans direction ni amélioration. La génération génétique tend à optimiser vos stratégies lors de la construction.

 

La question est donc de savoir pourquoi nous nous donnons la peine d'utiliser la génération aléatoire. Quel avantage présente-t-elle par rapport à la génétique ?

J'ai vu qu'autotrading academy utilisait le hasard. Est-ce seulement pour la démonstration ? ou pour d'autres raisons ?

merci

0

Tomas Matejka

Administrateur, sq-ultimate, 2 réponses.

Visiter le profil

il y a 10 ans #137928

La programmation génétique tend à privilégier l'optimum local. Vous optimisez en utilisant la fonction d'aptitude sur la population générée. C'est là que la génération aléatoire est utile, car elle ajoute plus d'aléa et peut parfois être plus efficace pour trouver de bonnes configurations dans des conditions données (blocs de construction, gestion de l'argent). Pour moi, il s'agit de trouver une bonne stratégie en utilisant la génération aléatoire et d'essayer de l'améliorer. Ce n'est qu'une question de préférence personnelle

0

Rom

Client, bbp_participant, communauté, 29 réponses.

Visiter le profil

il y a 10 ans #137934

D'accord, mais l'algo génétique devrait essayer de converger vers des objectifs construits. Ce n'est pas le cas. Lorsque le nombre d'objectifs construits est >2, le programme ne parvient pas à créer la graine. D'après ce que j'ai compris, la graine devrait être aléatoire et l'algo devrait converger vers les objectifs. Si je comprends les objectifs, c'est-à-dire si je sais quel type de propriétés j'attends des objectifs construits, le programme devrait être en mesure de m'aider. Maintenant, du fait que la génération initiale est aléatoire, l'"évolution" peut échouer, et ce n'est pas grave, je peux réessayer. Malheureusement, ce n'est pas le cas.  

L'alternative (génération aléatoire avec contraintes) est vouée à l'échec d'un point de vue mathématique.  

0

ybhx0315

Client, bbp_participant, communauté, 27 réponses.

Visiter le profil

il y a 10 ans #137937

La programmation génétique tend à privilégier l'optimum local. Vous optimisez en utilisant la fonction d'aptitude sur la population générée. C'est là que la génération aléatoire est utile, car elle ajoute plus d'aléa et peut parfois être plus efficace pour trouver de bonnes configurations dans des conditions données (blocs de construction, gestion de l'argent). Pour moi, il s'agit de trouver une bonne stratégie en utilisant la génération aléatoire et d'essayer de l'améliorer. Ce n'est qu'une question de préférence personnelle

Si l'évolution génétique a tendance à trouver un maximum local, très bien, l'évolution entière redémarrera après n générations de stagnation. Cela conserve les bons aspects de l'aléatoire et je n'ai toujours aucune raison d'accorder une préférence à la méthode de génération aléatoire.

0

Affichage de 3 réponses de 1 à 3 (sur un total de 3)