Resumen

El artículo propone un nuevo método de expresión de funciones para predecir series temporales caóticas, utilizando un algoritmo mejorado de recocido simulado genético (IGSA) para establecer la expresión óptima de la función que describe el comportamiento de las series temporales. Para hacer frente a la debilidad asociada con el algoritmo genético, el algoritmo propuesto incorpora la operación de recocido simulado, que tiene la fuerte capacidad de búsqueda local en el algoritmo genético para mejorar el rendimiento de la optimización; además, la función de fitness y los operadores genéticos también se mejoran. Por último, el método se aplica a las series temporales caóticas de los mapas de Quadratic y Rossler para su validación. También se estudia numéricamente el efecto del ruido en las series temporales caóticas. Los resultados numéricos verifican que el método puede pronosticar series temporales caóticas con gran precisión y eficacia, y la precisión de la predicción con cierto ruido es también satisfactoria. Se puede concluir que el algoritmo IGSA es energéticamente eficiente y superior.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:series temporales caóticas, algoritmo genético, expresión óptima de la función, capacidad de búsqueda local, comportamiento del tiempo, métodos de expresión de la función, series de cuadrática, rendimiento de la optimización, efectos del ruido, cierto ruido
• Keywords:chaotic time series, genetic algorithm, optimum function expression, local search ability, behavior of time, function expression methods, series of quadratic, performance of optimization, effects of noise, certain noise