Genetik-Simpleks hibrit algoritması ile doğrusal olmayan regresyon model parametrelerinin nokta tahmini

Point estimation of nonlinear regression model parameters with Genetic-Simplex hybrid algorithm

Özet

Bu çalışmada, Nelder-Mead Simpleks (NMS) algoritması ve Genetik Algoritma (GA) gibi türevden bağımsızoptimizasyon algoritmalarının avantajlı yönlerinin birlikte kullanılması ile oluşturulan bir Genetik-Simplekshibrit algoritması ile doğrusal olmayan model parametrelerinin nokta tahminlerinin elde edilmesine yerverilmiştir. Ayrıca, Taguchi deney tasarımı ile GA ayarlanabilir parametrelerinin optimal değerlerininbelirlenmesi konusunda çalışılmıştır. Çalışmada, önerilen optimizasyon yaklaşımları kullanılarak, literatürdetanımlı bir veri setine uygun olarak belirlenmiş negatif-üstel regresyon model parametrelerinin noktatahminleri elde edilmiştir. Bulunan tahmin değerleri, literatürdeki tahmin sonuçları ile karşılaştırıldığında,Genetik-Simpleks hibrit algoritması ile model parametrelerinin tahminlerine kolaylıkla ulaşıldığı ve amaçfonksiyonunun minimum değerine tutarlı bir biçimde yaklaşıldığı gözlenmiştir.

Abstract

In this study, a Genetic-Simplex hybrid algorithm, which is composed of advantageous aspects of derivativefree optimization algorithms, such as Nelder-Mead Simplex (NMS) algorithm and Genetic Algorithm (GA), is used to obtain point estimates of nonlinear regression model parameters. In addition, it is studied to decide optimal values of GA tuning parameters by using Taguchi experimental design. In the study, point estimates of the parameters of a negative-exponential regression model, defined in the literature in accordance with a data set, are obtained by using the proposed optimization approaches. When the obtained results are compared with the results given in the literature, it is seen from the comperative results that estimates of model parameters are easily obtained and consistently approximated to the minimum value of the objective function by using Genetic-Simplex hybrid algorithm.