非线性回归模型参数估计的轮回选择算法

Recurrent selection algorithm for parameter estimation of nonlinear regression model

生物学领域规律更多呈现不可线性化的纯非线性方程关系,对此类方程的参数准确估计能促进生物学领域的应用数学研究。但纯非线性方程最优拟合一直是应用数学没有完全解决的课题;受水稻轮回选择育种启发,以育种进化方法构建新的进化算法,求解复杂非线性方程的拟合问题。结果表明,通过Richard方程、房室模型中的二室模型试算,前者与NIST结果相同,后者明显优于原文结果;通过奶牛泌乳曲线中的Dijkstra、Wood方程各14组数据最优拟合计算,表明本算法准确有效,且计算结果优于统计软件SAS。本算法为生物学研究中更复杂的非线性方程拟合及其应用提供了可能,为生物数学的深入发展提供了有力计算工具。