کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6903197 1446751 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improved gene expression programming to solve the inverse problem for ordinary differential equations
ترجمه فارسی عنوان
برنامه نویسی بیان ژن بهبود یافته برای حل مشکل معکوس معادلات دیفرانسیل معمولی
ترجمه چکیده
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.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Many complex systems in the real world evolve with time. These dynamic systems are often modeled by ordinary differential equations in mathematics. The inverse problem of ordinary differential equations is to convert the observed data of a physical system into a mathematical model in terms of ordinary differential equations. Then the model may be used to predict the future behavior of the physical system being modeled. Genetic programming has been taken as a solver of this inverse problem. Similar to genetic programming, gene expression programming could do the same job since it has a similar ability of establishing the model of ordinary differential systems. Nevertheless, such research is seldom studied before. This paper is one of the first attempts to apply gene expression programming for solving the inverse problem of ordinary differential equations. Based on a statistic observation of traditional gene expression programming, an improvement is made in our algorithm, that is, genetic operators should act more often on the dominant part of genes than on the recessive part. This may help maintain population diversity and also speed up the convergence of the algorithm. Experiments show that this improved algorithm performs much better than genetic programming and traditional gene expression programming in terms of running time and prediction precision.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Swarm and Evolutionary Computation - Volume 38, February 2018, Pages 231-239
نویسندگان
, , , , ,