AUTOMATION OF CONSTRUCTION AND OPTIMIZATION OF MATHEMATICAL MODELS EVOLUTIONARY ALGORITHMS BASED ON EXPERIMENTAL DATA

Resumo

The author considers synthesis of evolutionary algorithms for solution of the problem of symbolic regression and optimization, and their proposed modifications, through the development of integrated procedures of automated construction and optimization of mathematical models of complex systems and processes.

Texto integral

При решении задачи символьной регрессии методом генетического программирования [1] в начале работы алгоритма часто возникает ситуация, при которой сгенерированные деревья решений с более простой структурой (обычно это линейные выражения) имеют более высокую пригодность, чем деревья решений со сложными структурами, которые обычно оказываются более перспективными с точки зрения генерации решения с заданной ошибкой аппроксимации. Эта проблема особенно часто возникает при решении практических задач, в которых результирующее дерево решений, как правило, представляет собой выражение со сложной структурой. В результате в популяции начинают преобладать простые деревья решений и скорость поиска замедляется, так как набор констант, определенный ------во множестве термов, фиксирован и в сгенерированных структурах численные коэффициенты подобраны плохо. Таким образом, дерево решений с очень хорошей структурой может иметь ошибку аппроксимации намного больше, чем простая структура, в которой меньше коэффициентов [2].