Numerical investigation of differential biological models via Gaussian RBF collocation method with genetic strategy

  • سال انتشار: 1401
  • محل انتشار: مجله ریاضیات محاسباتی و مدلسازی کامپیوتری با کاربردها، دوره: 1، شماره: 2
  • کد COI اختصاصی: JR_CMCMA-1-2_006
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 175
دانلود فایل این مقاله

نویسندگان

Fardin Salehi

Department of Computer and Data Sciences, Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran

Soleiman Hashemi Shahraki

Department of Computer and Data Sciences, Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran

Mohammad Kazem Fallah

Department of Computer Engineering, Chosun University, Gwangju ۶۱۴۵۲, Republic of Korea

Mohammad Hemami

Department of Cognitive Modelling, Institute for Cognitive and Brain Sciences, Shahid Beheshti University

چکیده

In this paper, we use radial basis function collocation method for solving the system of differential equations in the area of biology. One of the challenges in RBF method is picking out an optimal value for shape parameter in Radial basis function to achieve the best result of the method because there are not any available analytical approaches for obtaining optimal shape parameter. For this reason, we design a genetic algorithm to detect a close optimal shape parameter. The population convergence figures, the residuals of the equations and the examination of the ASN۲R and ARE measures all show the accurate selection of the shape parameter by the proposed genetic algorithm. Then, the experimental results show that this strategy is efficient in the systems of differential models in biology such as HIV and Influenza. Furthermore, we show that using our pseudo-combination formula for crossover in genetic strategy leads to convergence in the nearly best selection of shape parameter.

کلیدواژه ها

Radial Basis Function, Genetic algorithm, HIV, Influenza, Shape parameter

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.