黑洞算法（BHA）（基础篇）
「MT5 里跑通黑洞算法的基础门槛」
黑洞算法（BHA）在 MetaTrader 5 上以 EA 或指标脚本形式落地，核心是把候选解映射为星体、以黑洞吸收机制做迭代寻优。这套思路不依赖梯度，适合非线性、多峰的参数空间搜索。 公开示例由 Andrey Dik 于 2025 年 10 月 8 日 08:37 发布，截至统计节点获得 726 次查看、0 条评论，说明该实现仍处于低互动的冷启动阶段，未经过社区大规模实盘拷打。 从工程视角看，算法实现与测试结果两栏目前仅是骨架：你打开 MT5 的 MetaEditor，把星体位置初始化逻辑写进 OnTester 或自定义优化函数，才有可能复现原文里的回测框架。外汇与贵金属品种波动跳空频繁，拿 BHA 搜出的参数集在历史数据上表现好，实盘仍可能失效，属高风险验证。
黑洞算法是怎么借引力找最优解的
黑洞算法（BHA）由 A. Hatamlou 在 2013 年提出，核心隐喻来自天体物理：把候选解当作宇宙中的星体，质量最优的那个解被定为黑洞，其余解受黑洞引力作用向它靠拢，劣质解在迭代中被「吞噬」剔除。 每轮迭代里，算法依据解的适应度排定质量等级，引力强度与质量差挂钩，同时引入随机扰动让星体有机会跳出当前区域。这种机制让 BHA 在函数优化、组合问题乃至机器学习超参数搜索中，都有概率绕开局部最小陷阱。 对做 EA 参数寻优的交易者来说，它比网格遍历更省算力，但 2013 年的原始论文未给出外汇品种上的稳定回测结论，实盘前务必在 MT5 策略测试器里用小样本先验证收敛行为。
◍ 星辰向黑洞收敛的迭代逻辑
BHA 把优化问题映射成一片有上下边界的搜索空间，开局先撒一批随机“星辰”，每一颗就是一个候选解。这一步只是纯随机初始化，群体规模与边界直接决定后续收敛的搜索密度。 进入迭代后，每轮先挑出当前适应度最优的那颗星辰，把它定为“黑洞”。剩下的星辰不再随机游走，而是按特定引力方程向黑洞靠拢，距离越近受牵引越强。这种机制让群体在有限步数内大概率收缩到较优区域，但也可能因过早锁定而漏掉全局更优解。 外汇与贵金属市场参数寻优风险极高，历史回测里的收敛结果不等于实盘稳健，开 MT5 用策略测试器跑一遍才能看清过拟合程度。
「黑洞怎么把星辰拽过去」
群体里的第 i 颗星辰在 t 时刻的位置记作 Xi(t)，而 XBH 是黑洞当前所在坐标。每一步迭代，星辰不直接跳到黑洞，而是按 Xi(t+1)=Xi(t)+rand×(XBH−Xi(t)) 往黑洞方向挪。 这里的 rand 是 0 到 1 之间均匀分布的随机数，意味着靠近黑洞时步长自动收缩，远离时步长放大，形成一种自适应收敛。外汇与贵金属波动剧烈，这种机制在回测里对参数敏感，实盘应用须警惕过拟合与滑点高风险。 事件视界是这套算法的另一关键量，决定星辰何时被黑洞「吞没」并重新随机播撒，具体公式见下一节拆解。