АВТОМАТИЗАЦИЯ ПРОЦЕССА ПОСТРОЕНИЯ И ОПТИМИЗАЦИИ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ЭВОЛЮЦИОННЫМИ АЛГОРИТМАМИ НА ОСНОВЕ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

Аннотация

Рассмотрен синтез эволюционных алгоритмов решения задачи символьной регрессии и оптимизации. Предложены их модификации в рамках разработки интегрированной процедуры автоматизированного построения и оптимизации математических моделей сложных систем и процессов.

Полный текст

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].