کنترل پدیده پف کردن برنامه ریزی ژنتیک در حوزه شبیه سازی بارش- رواناب

برنامه ریزی ژنتیک (GP) در واقع کاربرد الگوریتم ژنتیک (GA) به منظور تکامل بخشیدن به برنامه های کارا و مفید در حل مسائل است. استراتژی اساسی جستجو در GP، الگوریتم های ژنتیکی است. GP با GA سنتی تفاوت دارد. تفاوت آنها در این است که GP به صورت خاصی بر روی درخت تجزیه (Parse tree) عمل می کند و حال آنکه GA بر روی رشته های بیتی عمل می کند. در حالت کلی می توان این تفاوت را، تفاوت در معرفی راه حل ها دانست. یکی از کاربرد های اساسی GP، رگرسیون سمبلیک می باشد که یک روش شبیه سازی خودکار است. یکی از مشکلات پیش رو در اجرای GP، پدیده رشد بیش از حد برنامه بدون بهبود قابل توجهی در تناسب آن است. به این پدیده در اصطلاح پف کردن (Bloating) برنامه اطلاق می شود. روش های مختلفی برای کنترل رشد بیش از حد برنامه، در GP وجود دارد که هرکدام دارای محاسن و معایب مخصوص به خود است. دو فاکتور اساسی در مقایسه این روش ها دقت وپیچیدگی مدل های بدست آمده است. در این تحقیق با در نظر گرفتن تغییرات میانگین سایز و عمق گراف بدست آمده از GP در طول صد تولید نسل به عنوان معیار پیچیدگی و همچنین میزان کاهش خطا در طول صد تولید نسل به عنوان معیار دقت، روش های مختلف ارائه شده در کنترل پف کردن برنامه در محدوده مسائل رگرسیون سمبلیک با یکدیگر مقایسه می شود. روش اتاق انتظار (Waiting room) با توجه به نتایج بدست آمده به عنوان روشی مناسب جهت بدست آوردن مدلی با پیچیدگی کمتر و دقت بیشتر پیشنهاد می گردد. مدلسازی بارش – رواناب به عنوان یکی از مسائل رگرسیون سمبلیک در علم مهندسی آب بوده واین مطالعه می تواند در هرچه بهتر کردن نتایج این مدلسازی موثر باشد.