📘

人工协作搜索算法 (ACS)（基础篇）

Q: 想在外汇EA里用人工协作搜索算法，第一步该从哪里下手？

先从共生迁徙逻辑写起，把多组参数当成蚁群个体，在品种页用历史数据跑最小闭环验证，再逐步加阶段拆分。

Q: ACS说的从共生迁徙到人工超生物体到底是什么意思？

指初始随机参数群通过协作迁移信息素，逐步收敛成共享最优解的超级个体群，本质是分布式搜索的升级。

Q: 小布能帮我快速验证ACS策略在黄金上的初步效果吗？

可以，小布能直接加载你的ACS类结构在历史行情上跑诊断，输出参数收敛倾向与过拟合概率，省去手动回测。

Q: ACS优化器的初始化入口一般要设哪些参数？

至少包含群体规模、信息素挥发系数和阶段切换阈值，建议在初始化函数里显式赋值避免默认随机。

Q: 贵金属用ACS做参数搜索为什么容易翻车？

贵金属跳空和高杠杆放大了样本偏差，ACS若阶段拆分过粗会误把噪声当协作信号，需严格控制回测窗口。

第 1/2 篇

本章目录

ACS 在 MT5 里的落地起点
从共生迁徙到人工超生物体
ACS 算法的 MT5 类结构与阶段拆分
ACS 优化器的类骨架与初始化入口

「ACS 在 MT5 里的落地起点」

人工协作搜索算法（ACS）在 MetaTrader 5 里并非黑盒，它把群体搜索和人工干预结合起来，让优化过程不完全交给EA自动跑。作者 Andrey Dik 在 2024 年 12 月 3 日 08:59 发布的示例帖，至今累计 563 次查看、0 条评论，说明这套思路还停留在小圈子验证阶段。该系列原文结构拆成四块：概述、算法实现、测试结果，本篇只讲第一块，后面三块由其他小节覆盖。想确认 ACS 是否适合你的贵金属策略，先在 MT5 策略测试器里开一个简单 EA，把参数空间留白，观察优化 pass 的分布再决定要不要介入人工协作。外汇与贵金属杠杆高，任何算法都只是概率工具，不代表稳定盈利。

◍ 从共生迁徙到人工超生物体

自然界里互利共生和真社会性超生物体的集体迁徙，是很多现代优化算法的灵感底稿。开花植物靠传粉者繁殖、菌根帮植物吸水吸矿、白蚁肠道细菌消化纤维素——这些关系都指向一个事实：共享环境的个体通过协作提升整体生存概率。蚂蚁搬家带幼虫蛹、蜂群分巢带蜂王和蜜，同样是在环境变动时靠集体迁移保住种群。 ACS（Artificial Cooperative Search）算法由 Pinar Civicioglu 在 2013 年提出，直接借用了上面两类生物特性。它把优化问题的搜索空间当成栖息地，把随机解看成正在找更肥觅食区的人工超生物体。算法跑两个等规模种群 α 和 β，分别代表捕食者和猎物，子超生物体个数就是种群规模。具体落地时，ACS 先用两个基种群在置信区域里撒候选解，再通过随机步和二进制矩阵从 α、β 映射出捕食者、猎物种群，并算出第五个衍生种群。指定迭代次数内反复更新初值、挑最优，这种双种群生物激励式互动，是它在数值优化里收敛快、精度高的主因。外汇与贵金属参数寻优属高风险场景，ACS 给出的只是概率倾向更优解，不是稳赢方案，开 MT5 用 MQL5 接自己的目标函数跑一遍才知适配度。

ACS 算法的 MT5 类结构与阶段拆分

人工写作搜索算法（ACS）在 MT5 里不是一段扁平脚本，而是从 C_AO 基类派生的 C_AO_ACS 类。种群用 S_D 结构装实数坐标数组 c[]，Init 方法靠 ArrayResize 按变量数扩容；M 矩阵则用独立的 S_C 结构，同样持有 c[] 但只存 0/1 符号。类内私有成员包含 A[]、B[]、Predator[]、Prey[]、M[] 以及 YA[]、YB[]、Ypred[] 等双精度适应度数组，bioProbab 存生物交互概率。原始 ACS 伪代码是单循环顺推，但作者在 MT5 实现里强行切了 phase 阶段——phase=0 复制 A 种群，phase=1 回算 A 适应度并复制 B，phase=2 回算 B 适应度后再跑选择、洗牌、变异、交叉。这么拆是因为 A、B 两个种群都依赖预计算适应度，而作者其他种群算法都走分阶段调用风格，不拆就串不起 Moving 与 Revision 的时序。 Moving 方法管个体位移：按随机数把 A 或 B 塞进 Predator，Prey 做 ArrayShuffle 乱序；R 因子取 4*Rand*(1-Rand) 或 1/exp(4*Rand)；M 矩阵先全填 1，再以 bioProbab 概率把部分元素翻 0/1，若整行全 1 则随机清掉一个。变异用 X = Predator + R*(Prey-Predator)，越界就随机重投。Revision 在 phase<3 时直接 return，之后排序 Ypred 并反转取最大值，若优于全局 fB 就更新最优向量。洗牌逻辑本身很轻量：从尾到头遍历，j = MathRand()%(i+1) 取随机下标，交换 arr[i] 与 arr[j]。外汇/贵金属参数优化属高风险实验，ACS 只是搜索器，实盘前务必在 MT5 策略测试器用历史数据回测验证收敛性。

MQL5 / C++

class=class="str">"cmt">//——————————————————————————————————————————————————————————————————————————————
class="kw">struct S_D
{
    class="type">void Init(class="type">int coords)
    {
        ArrayResize(c, coords);
    }
    class="type">class="kw">double c [];
};
class=class="str">"cmt">//——————————————————————————————————————————————————————————————————————————————
class=class="str">"cmt">//——————————————————————————————————————————————————————————————————————————————
class="kw">struct S_C
{
    class="type">void Init(class="type">int coords)
    {
        ArrayResize(c, coords);
    }

「ACS 优化器的类骨架与初始化入口」

把人工协同搜索（Artificial Cooperative Search）接进 MT5 的优化框架，核心是先派生一个 C_AO_ACS 类，它继承自通用优化器基类 C_AO，构造函数里把算法名定为 "ACS"，并登记了两个可调参数：种群规模 popSize 默认 1，生物交互概率 bioProbab 默认 0.9。这两个参数通过 ArrayResize(params, 2) 扩容参数数组后写入，名字与初值一一对应，意味着在 EA 的输入面板里能直接看到 popSize 和 bioProbab 两项。若把 bioProbab 从 0.9 往下调，个体间模仿捕食者/猎物的随机性会下降，搜索轨迹可能更集中。类内部用 S_D 类型数组 A、B、Predator、Prey 以及 S_C 数组 M 来承载个体状态，YA、YB、Ypred 记录对应适应度，Key 和 phase 控制搜索阶段切换，私有的 ArrayShuffle 负责打乱数组顺序。 Init 函数接收搜索上下界与步长数组，可选 epochsP 默认 0，实现里先调用 StandardInit 做边界与步长合法性校验，失败直接返回 false，这是外接自定义优化器时最容易漏掉的第一道关卡。