种群优化算法：蝙蝠算法（BA）（基础篇）
蝙蝠算法在 MT5 里的种群优化定位
种群优化算法不靠梯度下降，而是用一群虚拟个体在解空间里互相试探、迭代逼近较优参数。蝙蝠算法（BA）把每只蝙蝠映射为一个候选解，靠频率、响度和脉冲发射率三个状态量控制搜索的发散与收敛。 在 MT5 平台，这类算法常被塞进参数寻优流程，替代人工网格搜索。作者 Andrey Dik 于 2023-05-18 发布的示例帖累计阅读 1 643 次，说明社群对这类非传统优化器的实操需求并不小。 该系列分四节：概述、算法描述、测试结果、以及末节的工程落地。外汇与贵金属市场高杠杆、高波动，任何优化器给出的参数都只是历史样本上的概率较优，实盘须以小资金验证。
◍ 从蝙蝠回声定位到优化算法
蝙蝠是唯一具备真正翅膀的哺乳动物，现生种类超过 1300 种，除极地外几乎遍布全球。它们在黑暗中靠回声定位导航：发出高频短脉冲，声波撞到物体后反射回耳朵，借此判定空间与猎物位置。这种生物机制在 2010 年被 Yang 抽象成蝙蝠算法（BA），用人工蝙蝠作为搜索代理，模拟脉冲音量和发射频率来做全局优化。 元启发式算法大多取材自然或物理过程，核心是从一组可行解里挑出最符合目标函数的组合。传统特征优化在小规模问题上还行，碰到实际复杂场景基本失效，所以研究者转去抄自然界的作业。BA 属于现代种群算法，把声波参数变成可迭代的搜索变量，让多只“蝙蝠”在解空间里并发试探。 对外汇或贵金属交易者来说，这类算法的高风险在于过拟合：历史行情里调出的“最佳参数”在活盘可能迅速失效。想验证 BA 是否对你的品种有用，直接在 MT5 里写个简化版脉冲更新逻辑跑回测最实在。
「蝙蝠算法在MT5里的代理结构与参数骨架」
蝙蝠算法把每只蝙蝠当成解空间里无质量、无体积的粒子，用适应度值比大小挑出当前最优，再靠声波频率、速度、音量、脉冲率迭代逼近全局最优。标准实现要盯五个基本量：频率、音量、纹波、以及音量和纹波的比率；频率越大，单只蝙蝠越容易脱离群体历史位置去广域搜索，反之则黏在附近。 原文给出的可调参数范围值得直接抄进EA输入区：MIN_FREQ_P=0.0、MAX_FREQ_P=1.0、MIN_LOUDNESS_P=0.0、MAX_LOUDNESS_P=1.5、MIN_PULSE_P=0.0、MAX_PULSE_P=1.0，另有两个衰减系数 ALPHA_P=0.3、GAMMA_P=0.3。脉动频率随迭代上升、音量随迭代下降，这是贯穿优化全过程的主线。 每只“蝙蝠”的状态用结构体完整描述：position[]存历史最佳坐标，auxPosition[]存当前操作坐标，speed[]算速度矢量，frequency是脉冲频率，initPulseRate和pulseRate分别是初始与当前脉冲率，loudness是音量，fitness与fitnessBest记录当次与历史最优适应度。类 C_AO_BA 再包一层种群数组、边界 rangeMax/rangeMin、步长 rangeStep、全局最优 cB 与 fB，以及公开的 Init / Flight / Preparation 方法。 一个反直觉点是：音量按 alpha 逐代衰减，导致局部细化概率下降、全局搜索强度相对走弱。作者实测把迭代序数从脉冲频率非线性公式里解耦后，效率有轻微提升，说明 BA 默认约定并非不可动。 开 MT5 新建一个 include 把下面结构先编译过，是验证后续 Walk() 与 AproxBest() 逻辑的前提。
class="kw">struct S_Bat { class="type">class="kw">double position []; class="type">class="kw">double auxPosition []; class="type">class="kw">double speed []; class="type">class="kw">double frequency; class="type">class="kw">double initPulseRate; class="type">class="kw">double pulseRate; class="type">class="kw">double loudness; class="type">class="kw">double fitness; class="type">class="kw">double fitnessBest; }; class C_AO_BA { class="kw">public: S_Bat bats []; class=class="str">"cmt">//bats class="kw">public: class="type">class="kw">double rangeMax []; class=class="str">"cmt">//maximum search range class="kw">public: class="type">class="kw">double rangeMin []; class=class="str">"cmt">//manimum search range class="kw">public: class="type">class="kw">double rangeStep []; class=class="str">"cmt">//step search class="kw">public: class="type">class="kw">double cB []; class=class="str">"cmt">//best coordinates class="kw">public: class="type">class="kw">double fB; class=class="str">"cmt">//FF of the best coordinates class="kw">public: class="type">void Init(const class="type">int paramsP, const class="type">int batsNumberP, const class="type">class="kw">double min_FREQ_P, const class="type">class="kw">double max_FREQ_P,
蝙蝠算法类的接口与初始化骨架
这段声明把蝙蝠算法（BA）封装成了一个 C_AO_BA 类，对外只暴露 Flight(epoch) 和 Preparation() 两个 public 方法，其余游走、近似最优、接受新解全部藏在 private 里。 构造函数参数里 min_LOUDNESS_P、max_LOUDNESS_P、min_PULSE_P、max_PULSE_P、alpha_P、gamma_P 以及 maxIterP 共同界定了群智能搜索的边界与衰减律，调参时这几个区间直接决定收敛速度。 私有成员中 currentIteration 与 maxIter 跟踪代数，MIN_FREQ/MAX_FREQ 约束声波频率，ALPHA 与 GAMMA 分别控制响度与脉冲率演化；SeInDiSp、RNDfromCI、Scale 三个工具函数负责区间映射与随机扰动。 Init 方法接收 paramsP（待优化参数维度）、batsNumberP（蝙蝠数量）及上述频率、响度、脉冲的上下限，实例化后才能够跑 Preparation 与 Flight，否则类内部状态为空。 在 MT5 里把 batsNumberP 设到 30~50 区间通常能在 XAUUSD 的 M15 回测中兼顾耗时与稳定性，但具体表现随品种波动特性可能偏移，外汇与贵金属杠杆交易属高风险，须自行验证。
const class="type">class="kw">double min_LOUDNESS_P, const class="type">class="kw">double max_LOUDNESS_P, const class="type">class="kw">double min_PULSE_P, const class="type">class="kw">double max_PULSE_P, const class="type">class="kw">double alpha_P, const class="type">class="kw">double gamma_P, const class="type">int maxIterP); class="kw">public: class="type">void Flight(class="type">int epoch); class="kw">public: class="type">void Preparation(); class=class="str">"cmt">//============================================================================ class="kw">private: class="type">void Walk(S_Bat &bat); class="kw">private: class="type">void AproxBest(S_Bat &bat, class="type">class="kw">double averageLoudness); class="kw">private: class="type">void AcceptNewSolutions(S_Bat &bat); class="kw">private: class="type">int currentIteration; class="kw">private: class="type">int maxIter; class="kw">private: class="type">class="kw">double MIN_FREQ; class="kw">private: class="type">class="kw">double MAX_FREQ; class="kw">private: class="type">class="kw">double MIN_LOUDNESS; class="kw">private: class="type">class="kw">double MAX_LOUDNESS; class="kw">private: class="type">class="kw">double MIN_PULSE; class="kw">private: class="type">class="kw">double MAX_PULSE; class="kw">private: class="type">class="kw">double ALPHA; class="kw">private: class="type">class="kw">double GAMMA; class="kw">private: class="type">int params; class="kw">private: class="type">int batsNumber; class="kw">private: class="type">bool firstFlight; class="kw">private: class="type">class="kw">double SeInDiSp(class="type">class="kw">double In, class="type">class="kw">double inMin, class="type">class="kw">double inMax, class="type">class="kw">double step); class="kw">private: class="type">class="kw">double RNDfromCI(class="type">class="kw">double min, class="type">class="kw">double max); class="kw">private: class="type">class="kw">double Scale(class="type">class="kw">double In, class="type">class="kw">double InMIN, class="type">class="kw">double InMAX, class="type">class="kw">double OutMIN, class="type">class="kw">double OutMAX, class="type">bool revers); }; class=class="str">"cmt">//—————————————————————————————————————————————————————————————————————————————— class=class="str">"cmt">//—————————————————————————————————————————————————————————————————————————————— class="type">void C_AO_BA::Init(const class="type">int paramsP, const class="type">int batsNumberP, const class="type">class="kw">double min_FREQ_P, const class="type">class="kw">double max_FREQ_P, const class="type">class="kw">double min_LOUDNESS_P, const class="type">class="kw">double max_LOUDNESS_P,