Перевод названия: Self-configuring genetic programming algorithm for a Cauchy problem and variational problem in symbolic form
Тип публикации: статья из журнала
Год издания: 2019
Идентификатор DOI: 10.14357/20790279190307
Ключевые слова: genetic programming algorithm, self-configuring genetic programming algorithm, symbolic regression, operator of the uniform crossover, ordinary differential equations, cauchy problem, variational problem, алгоритм генетического программирования, самонастраивающийся алгоритм генетического программирования, символьная регрессия, оператор равномерного скрещивания, обыкновенные дифференциальные уравнения, задача Коши, вариационная задача
Аннотация: В статье рассматривается применение самонастраивающегося алгоритма генетического программирования для решения задач символьной регрессии. Обоснована необходимость применения самонастраивающегося типа алгоритма и оператора равномерного скрещивания. Рассмотрено решение задачи Коши для обыкновенных дифференциальных уравнений и вариациПоказать полностьюонной задачи. Данные задачи решаются путем сведения их к процедуре поиска наименьшего значения функции ошибки на множестве символьных выражений. Для такого поиска удобно использовать алгоритм генетического программирования, оперирующий бинарными деревьями, которые кодируют функции-решения, и позволяющий получать точное решение в символьном виде. Для этих задач предложено использовать самонастраивающийся тип алгоритма генетического программирования. Представлены данные численных экспериментов. The paper considers the application of a self-configuring genetic programming algorithm for solving symbolic regression problems. The necessity to use a self-configuring type of the algorithm and a uniform crossing operator is substantiated. The solution of a Cauchy problem for ordinary differential equations and a variational problem is considered. These problems are solved by reducing them to the procedure for finding the smallest value of the error function on a set of symbolic expressions. For such a search, it is preferable to apply a genetic programming algorithm that operates on binary trees that encode solution functions and allows getting the exact solution in symbolic form. The paper proposes to apply a self-configuring type of a genetic programming algorithm for these problems. The data of numerical experiments are given.
Журнал: Труды Института системного анализа Российской академии наук
Выпуск журнала: Т. 69, № 3
Номера страниц: 80-90
ISSN журнала: 20790279
Место издания: Москва
Издатель: Федеральный исследовательский центр "Информатика и управление" РАН