RUDN Journal of Engineering Research

Вестник Российского университета дружбы народов. Серия: Инженерные исследования

2312-81432312-8151

Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)

16007

10.22363/2312-8143-2017-18-1-125-134

CYBERNETICS AND MECHATRONICS

Информатика, вычислительная техника и управление

Research Article

METHOD OF BINARY ANALYTIC PROGRAMMING TO LOOK FOR OPTIMAL MATHEMATICAL EXPRESSION

МЕТОД БИНАРНОГО ГЕНЕТИЧЕСКОГО ПРОГРАММИРОВАНИЯ ДЛЯ ПОИСКА МАТЕМАТИЧЕСКОГО ВЫРАЖЕНИЯ

Diveev

Askhat I

Дивеев

Асхат Ибрагимович

Doctor of technical sciences, professor, chief of sector of Cybernetic problems, professor of department Mechanics and mechatronicsдоктор технических наук, профессор, заведующий сектором проблем кибернетики, профессор департамента механики и мехатроникиaidiveev@mail.ru

Lomakova

Evgenia M

Ломакова

Евгения Михайловна

graduate student, department Mechanics and mechatronicsаспирант, департамент механики и и мехатроникиlomakovajm@gmail.com

Federal Research Center “Computer Science and Control” of RASФедеральный исследовательский центр «Информатика и управление» РАН

Engineering Academy Peoples’ Friendship University of RussiaИнженерная академия Российский университет дружбы народов

15122017

181

VOL 18, NO1 (2017)

ТОМ 18, №1 (2017)

12513413052017

2017

Diveev A.I., Lomakova E.M.

Дивеев А.И., Ломакова Е.М.

http://creativecommons.org/licenses/by/4.0

https://journals.rudn.ru/engineering-researches/article/view/16007

In the known methods of symbolical regression by search of the solution with the help of a genetic algorithm, there is a problem of crossover. Genetic programming performs a crossover only in certainpoints. Grammatical evolution often corrects a code after a crossover. Other methods of symbolical regression use excess elements in a code for elimination of this shortcoming. The work presents a new method of symbolic regression on base of binary computing trees. The method has no problems with a crossover. Method use a coding in the form of a set of integer numbers like analytic programming. The work describes the new method and some examples of codding for mathematical expressions.

В известных методах символьной регрессии, которые производят поиск решения с помощью генетического алгоритма, существует проблема выполнения операции скрещивания. Все методы либо выполняют скрещивание в определенных точках, как метод генетического программирования, либо корректируют после скрещивания, либо используют избыточные элементы кода. В данной работе представлен новый метод символьной регрессии, основанный на бинарном дереве вычислений. Метод не имеет проблем с операцией скрещивания, включает небольшое количество избыточных элементов кода, но позволяет осуществлять поиск математических выражений, состоящих из функций только с одним или двумя аргументами.

symbolic regressiongenetic programminggenetic algorithm

символьная регрессиягенетическое программированиегенетический алгоритм

Koza, J.R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge, Massachusetts, London, MA: MIT Press, 1992. 819 p.

O’Neill, M., Ryan, C. Grammatical Evolution. IEEE Trans. Evol. Comput. 2001, 5. Pp. 349-358.

Zelinka, I. Analytic programming by Means of SOMA Algorithm. In Proceedings of 8th InternationalConference on Soft Computing Mendel 02, 2002, Brno, Czech Republic. Pp. 93-101.

Diveev, A., Sofronova, E. Application of Network Operator Method for Synthesis of Optimal Structure and Parameters of Automatic Control System. Proc. of 17-th IFAC World Congress, Seoul, 05.07.2008 - 12.07.2008. Pp. 6106-6113.

Miller, J., Thomson, P. Cartesian Genetic Programming. Proc. EuroGP’2000R 3rd European Conf. Genetic Programming, R. Poli, W. Banzhaf, W.B. Langdon, J.F. Miller, P. Nordin, and Fogarty, T.C. Eds., Edinburgh, Scotland, 2000, vol. 1802. Berlin: Springer-Verlag. Pp. 121-132.

Luo, C., Zhang, S.-L. Engineering Applications of Arti cial Intelligence. 2012, 25. Pp. 1182-1193.