پارامترهای پیشنهادی برای بهینه‌سازی
آوریل 6, 2025
نحوه عملکرد
فرض کنید استراتژی‌ای داریم با ۵ پارامتر: Param1، Param2، Param3، Param4، Param5.
در بهینه‌سازی استاندارد، از روش brute force یا بهینه‌سازی ژنتیکی استفاده می‌شود تا تمام ترکیب‌های ممکن این ۵ پارامتر بررسی شود و بهترین ترکیب بر اساس معیار «شایستگی» (fitness) انتخاب شود.
مشکلات بهینه‌سازی استاندارد
- به‌راحتی به بیش‌برازش (Over-fitting) منجر می‌شود
در این روش بهترین حالت بر اساس شایستگی انتخاب می‌شود، اما ممکن است این حالت فقط یک مقدار استثنایی باشد که به داده‌های داده‌شده می‌خورد، نه یک ناحیه پایدار. همچنین اگر بیش از دو پارامتر را هم‌زمان بهینه‌سازی کنیم، تعریف ناحیه پایدار بسیار دشوار است. - کند است یا نمی‌تواند کل فضای پارامتر را پوشش دهد
اگر هر یک از ۵ پارامتر دارای ۱۰۰ مقدار ممکن باشد، آنگاه ۱۰۰ × ۱۰۰ × ۱۰۰ × ۱۰۰ × ۱۰۰ ترکیب وجود خواهد داشت.
بهینه‌سازی ترتیبی چگونه کار می‌کند؟
به‌صورت ترتیبی. این روش پنج پارامتر را در پنج مرحله، یکی‌یکی بهینه می‌کند.
فرآیند بهینه‌سازی ترتیبی به این صورت عمل می‌کند:
مرحله ۱ – پارامتر اول (Param1) بهینه می‌شود.
سایر پارامترها در مقدار اولیه‌شان باقی می‌مانند.
نتیجه، مقدار بهینه (و پایدارترین) برای Param1 است.
مرحله ۲ – پارامتر دوم (Param2) بهینه می‌شود.
مقدار بهینه شده Param1 از مرحله قبل استفاده می‌شود، سایر پارامترها همچنان در مقدار اولیه‌شان هستند.
نتیجه، مقدار بهینه (پایدار) برای Param2 است.
مرحله ۳، ۴ و ۵ نیز به همین ترتیب ادامه می‌یابند، و در پایان، همه پارامترها به‌طور ترتیبی بهینه‌سازی شده‌اند.
چگونه مقدار پایدار یک پارامتر انتخاب می‌شود؟
تفاوت عمده دیگر این روش با بهینه‌سازی استاندارد، نحوه انتخاب مقدار بهینه در هر مرحله است.
به‌جای انتخاب حالتی با بهترین مقدار fitness، حالتی انتخاب می‌شود که در وسط ناحیه پایدار قرار دارد – یعنی ناحیه‌ای که در آن نتایج به‌میزان مشخصی (طبق پیکربندی) نزدیک به بهترین نتیجه هستند.
به این ترتیب، مقدار پایدار انتخاب می‌شود، نه لزوماً بهترین مقدار عددی.
اگر ناحیه پایدار پیدا نشود چه می‌شود؟
ممکن است برای یک پارامتر خاص، هیچ ناحیه پایداری یافت نشود. در این صورت، مقدار اولیه آن پارامتر حفظ می‌شود.
در بررسی تقاطعی جدید (Crosscheck) نیز از همین اصل استفاده می‌شود – اگر برای درصد مشخصی از پارامترها ناحیه پایدار یافت نشود، استراتژی رد خواهد شد.
توجه – وابستگی به مقادیر اولیه پارامترها
دقت کنید که در این روش، در هر مرحله تنها یک پارامتر بهینه‌سازی می‌شود – مثلاً در مرحله اول فقط Param1 بهینه می‌شود و بقیه پارامترها در مقدار اولیه‌شان باقی می‌مانند.
به این معنا که نتیجه بهینه‌سازی، وابسته به مقادیر اولیه سایر پارامترها نیز هست.
ممکن است اگر مقادیر اولیه متفاوت باشند، نتیجه هر مرحله (و ناحیه پایدار و مقدار انتخاب‌شده) نیز متفاوت باشد.