حل مسئله رگرسيون خطي با الگوريتم فرا ابتكاري ژنتيك

رايج‌ترين روش آماري براي برآورد روابط علت و معلولي بين متغيرها رگرسيون خطي است . در حقيقت رگرسيون خطي يك نوع مدل آماري است كه در آن متغير وابسته به صورت تركيب خطي از متغيرهاي مستقل پيش‌بيني مي‌شوند. ميزان تأثير هر متغير مستقل بر متغير وابسته را پارامتر مي‌ناميم و هدف از حل مسئله رگرسيون بدست آوردن همين پارامترها است. روش حداقل مربعات معمولي (OLS) به طور كلي براي تخمين پارامترهاي مدل رگرسيون خطي استفاده مي‌شود. حال اينكه در دنياي واقعي با مسائلي مواجه هستيم كه ابعاد بالايي دارند، از اينرو نياز به صرف هزينه و زمان بسياري براي حل آن‌ها (يافتن مقدار بهينه پارامترها) داريم. به عبارتي با يك مسئله بهينه‌سازي مواجه هستيم كه از بين تمامي جواب‌هاي ممكن در فضاي پارامتر در جستجوي بهينه‌ترين جواب است. طي چند سال اخير الگوريتم‌هاي فرا ابتكاري زيادي براي حل اين‌گونه مسائل بهينه‌سازي مورد بررسي قرار گرفته‌اند. در اين مقاله با شبيه‌سازي اصلي‌ترين مفاهيم بيولوژيكي علم ژنتيك روي مسائل محاسباتي به يك الگوريتم قدرتمند بهينه‌سازي مي‌رسيم كه از آن براي تخمين پارامترهاي مدل رگرسيون خطي مورد بحث استفاده خواهيم كرد.