简化参数优化过程

[xiaoluffy]

目前参数优化的方法： http://rqalpha.io/zh_CN/latest/intro/optimizing_parameters.html#id2 建议新增一个优化类来简化这个流程，传入基本配置字典和变量字典。变量字典为一个 变量名:iterator/generator 的字典结构。 比如：

extra_config = {
    'short_period':[1,2,3],
    'long_period':range(5,8)
}
optimizer = Optimizer(basic_config, extra_config, max_workers= multiprocessing.cpu_count() / 2)
results = optimizer.run()

[wh1100717]

这块 目前没有足够精力去讨论，不过参数调优这块现在确实并不是很显性，需要比较了解才可以做。

这个issue 先放在这里，随时关于参数优化有想法的时候都可以在这里留言，在确定要做这块的时候再决定到底使用什么方案。

[cedricporter]

参数优化这个最好加上 celery 来做分布式参数调优，毕竟单机调优速度有瓶颈而且没法横向扩展。以后的 Optimizer 底层实现可以考虑加上 celery 做分布式运算。

[xiaoluffy]

用celery做分布式是个好方法！在参数优化的过程中用到的数据是一样的，同一worker上的tasks没必要多次加载数据，最好Optimizer实现同一worker的内存共享，比如每个worker只启动一个子优化器（可以通过worker限制），加载数据后再启动多个线程来进行回测。

[ruifeng96150]

这个需求还是很重要的，策略写好后，肯定是需要调参的，而现在的调参很不方便，每次新的参数都需要重新启用新的进程并读取数据，这个很浪费时间啊，请问这个需求什么时候提上日程啊？

[wheniseeyou]

这个需求还是很重要的，策略写好后，肯定是需要调参的，而现在的调参很不方便，每次新的参数都需要重新启用新的进程并读取数据，这个很浪费时间啊，请问这个需求什么时候提上日程啊？

我认为没有必要加上这个功能，调参就是过拟合的一个过程；好的算法对参数的敏感程度很低；