Improved gene expression programming to solve the inverse problem for ordinary differential equations

بسیاری از سیستم های پیچیده در دنیای واقعی با گذشت زمان توسعه می یابند. این سیستم های پویا اغلب با معادلات دیفرانسیل معمولی در ریاضیات مدل سازی می شوند. مشکل معکوس معادلات دیفرانسیل معمولی این است که داده های مشاهده شده یک سیستم فیزیکی را به صورت یک ریاضی از نظر معادلات دیفرانسیل معمولی تبدیل کنیم. سپس مدل ممکن است برای پیش بینی رفتار آینده سیستم فیزیکی مدل سازی شود. برنامه ریزی ژنتیکی به عنوان حل کننده این مشکل معکوس صورت گرفته است. همانند برنامه نویسی ژنتیک، برنامه نویسی بیان ژن می تواند همین کار را انجام دهد، زیرا دارای توانایی مشابه ایجاد مدل سیستم های عادی دیفرانسیل است. با این وجود، چنین تحقیقی به ندرت مورد مطالعه قرار می گیرد. این مقاله یکی از اولین تلاش هایی است که برنامه نویسی بیان ژن را برای حل مسئله معکوس معادلات دیفرانسیل عادی استفاده می کند. بر اساس مشاهدات آماری از برنامه نویسی بیان گرایی سنتی، بهبود در الگوریتم ما ساخته شده است، یعنی اپراتورهای ژنتیکی باید بیشتر در بخش غالب ژن ها عمل کنند، نه از بخش های فرسوده. این ممکن است به حفظ تنوع جمعیت و همچنین سرعت همگرایی الگوریتم کمک کند. آزمایشات نشان می دهد که این الگوریتم بهبود یافته بسیار بهتر از برنامه نویسی ژنتیکی و برنامه نویسی بیان گرهای سنتی از نظر زمان در حال اجرا و دقت پیش بینی شده است.