循环孤雌生殖算法（CPA）（基础篇）
◍ 循环孤雌生殖算法在 MT5 里的落地形态
循环孤雌生殖算法（CPA）是一套在 MetaTrader 5 上跑的演化式参数搜索逻辑，核心是不依赖交叉变异、而是让单组优势参数「自我复制 + 微扰」来逼近局部最优。2025 年 10 月 8 日有测试者在社区贴出跑通记录，该帖截至统计时获 552 次查看、0 条跟评，说明这套东西还停在少数人验证阶段。 从结构看，CPA 把每一代「个体」视为一组 EA 输入参数，孤雌生殖意味着子代只继承母代基因、再叠加随机扰动，没有传统 GA 的双亲重组。这样做的好处是收敛路径更可控，代价是容易卡在狭长极值区，对外汇与贵金属这种跳空频繁的高风险品种尤其要防过拟合。 想在 MT5 里复现，先开 MetaEditor 建一个空的 EA 框架，把参数数组当作「染色体」存进全局结构，再用 OnTester 钩子把每代净值回传优化器。下一步就是写微扰函数——这是 CPA 区别于标准遗传优化的唯一硬代码点。
蚜虫生殖策略怎么变成优化算法
CPA（循环孤雌生殖算法）的思路来自蚜虫的两种繁殖方式：环境好时孤雌生殖快速扩群，环境差时有性生殖换多样性。算法把前者映射成对已发现解的利用，后者映射成对搜索空间新区域的探索，靠这个机制在局部与全局搜索之间找平衡。 除了繁殖逻辑，CPA 还复刻了蚜虫的群体行为：群内做决策、群间迁移交换信息。这让它在多维优化里处理局部陷入和全局跳出时，比单纯靠随机扰动的方法更有结构感。 该算法由 Ali Kaveh 与 Zolghadr 提出，2019 年首次发表。对外汇或贵金属交易者来说，这类群智能算法的高风险在于：参数敏感、过拟合概率高，拿去筛参数前务必在 MT5 上做样本外验证。
「把蚜虫生殖搬进 MT5 优化器」
CPA（周期性孤雌生殖算法）借用了蚜虫两种繁殖思路来搜最优解：群体里分雌、雄个体，雌性走「自体复制」——拿当前最优加微扰生成副本；雄性走「配对繁殖」——拽一个同群雌体坐标做差分。偶尔最优解会按概率迁飞到更差的群，逼着算法既利用已知良解又探新区域，外汇与贵金属参数寻优里这种平衡直接影响过拟合概率。 代码层从 C_AO 派生出 C_AO_CPA，构造函数里先把默认规模钉死：总种群 50、分 10 个群、雌占比 0.2、迁飞概率 0.9、孤雌缩放 0.3、配对缩放 0.9。这几个数直接决定搜索粒度，做 EA 调参时建议先原样跑一遍再动。 Init 方法按种群和群数算每群成员 Nm，雌数 fNumber 至少保 1，雄数靠差值补；Moving 里核心在变量 k=(总期-当期)/总期，随迭代收敛移动半径收缩。Revision 则负责按 f 值排序、存最优、并以 Pf 概率做群间最优迁飞。 下面这段是类声明的头部，逐行看参数预设比读伪代码更直白：
class=class="str">"cmt">//—————————————————————————————————————————————————————————————————————————————— class=class="str">"cmt">// Class implementing the Cyclic Parthenogenesis Algorithm(CPA) class=class="str">"cmt">// Inherited from the optimization base class class C_AO_CPA : class="kw">public C_AO { class="kw">public: C_AO_CPA(class="type">void) { ao_name = "CPA"; ao_desc = "Cyclic Parthenogenesis Algorithm"; ao_link = "[MQL5官方文档] popSize = class="num">50; class=class="str">"cmt">// total population size Na Nc = class="num">10; class=class="str">"cmt">// number of colonies Fr = class="num">0.2; class=class="str">"cmt">// ratio of female individuals Pf = class="num">0.9; class=class="str">"cmt">// probability of flight between colonies alpha1 = class="num">0.3; class=class="str">"cmt">// scaling factor for parthenogenesis alpha2 = class="num">0.9; class=class="str">"cmt">// scaling factor for pairing ArrayResize(params, class="num">6); class=class="str">"cmt">// Setting algorithm parameters params [class="num">0].name = "popSize"; params [class="num">0].val = popSize;
◍ 把蜂群参数接进优化器内核
这段声明把群智能算法的可调旋钮全部暴露给 MT5 的遗传优化器，靠 params 数组做桥接。popSize 取索引 0，Nc、Fr、Pf 占 1 到 3，alpha1 与 alpha2 占 4 和 5，初始化时写 name 再写 val，优化器就能在每代喂不同数值进来。 SetParams 里做了强制类型回落：popSize 和 Nc 用 (int) 截断，Fr、Pf、alpha1、alpha2 保留 double 精度。若你在策略测试器里把 Nc 设成 10、Fr 设 0.5、Pf 设 0.1，蜂群会倾向分裂出 10 个殖民群且半数雌性，跨群飞行概率压到一成，收敛轨迹可能更平滑但也更慢。 Init 的形参给出了搜索边界三元组：rangeMinP、rangeMaxP、rangeStepP 分别对应最小域、最大域与步长，epochsP 默认 0 表示不限制代数。Moving 与 Revision 是两个钩子，前者管个体位移、后者管位置评审更新，改写它们就能换自己的迁移逻辑。 私有段里的 Nm 是每群个体数，fNumber 与 mNumber 由 Fr 推导，alpha1 管孤雌增殖缩放、alpha2 管配对缩放。外汇与贵金属行情跳变频繁，这类算法参数敏感度高，实盘前务必在 MT5 用历史数据多轮回测验证稳定性。
params [class="num">1].name = "Nc"; params [class="num">1].val = Nc; params [class="num">2].name = "Fr"; params [class="num">2].val = Fr; params [class="num">3].name = "Pf"; params [class="num">3].val = Pf; params [class="num">4].name = "alpha1_init"; params [class="num">4].val = alpha1; params [class="num">5].name = "alpha2_init"; params [class="num">5].val = alpha2; } class="type">void SetParams() { popSize = (class="type">int)params [class="num">0].val; Nc = (class="type">int)params [class="num">1].val; Fr = params [class="num">2].val; Pf = params [class="num">3].val; alpha1 = params [class="num">4].val; alpha2 = params [class="num">5].val; } class="type">bool Init(const class="type">class="kw">double &rangeMinP [], class=class="str">"cmt">// minimum search range const class="type">class="kw">double &rangeMaxP [], class=class="str">"cmt">// maximum search range const class="type">class="kw">double &rangeStepP [], class=class="str">"cmt">// search step const class="type">int epochsP = class="num">0); class=class="str">"cmt">// number of epochs class="type">void Moving(); class=class="str">"cmt">// function for moving individuals class="type">void Revision(); class=class="str">"cmt">// function for reviewing and updating positions class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">int Nc; class=class="str">"cmt">// number of colonies class="type">class="kw">double Fr; class=class="str">"cmt">// ratio of female individuals class="type">class="kw">double Pf; class=class="str">"cmt">// probability of flight between colonies class="kw">private: class=class="str">"cmt">//------------------------------------------------------------------- class="type">int epochs; class=class="str">"cmt">// total number of epochs class="type">int epochNow; class=class="str">"cmt">// current epoch class="type">int Nm; class=class="str">"cmt">// number of individuals in each colony class="type">class="kw">double alpha1; class=class="str">"cmt">// scaling factor for parthenogenesis class="type">class="kw">double alpha2; class=class="str">"cmt">// scaling factor for pairing class="type">int fNumber; class=class="str">"cmt">// number of females in the colony class="type">int mNumber; class=class="str">"cmt">// number of males in the colony