约瑟夫·帕西娅（Joseph M.Pasia）。；奥古斯托·伊·赫莫西拉。；埃尔南多·奥姆巴奥 统计估计的有用工具：遗传算法。 （英语） Zbl 1059.62069号 J.统计计算。模拟 75，编号4237-251（2005）. 摘要：我们介绍了遗传算法（GA）作为一种可行的工具来估计各种统计模型中的参数。我们进行了模拟研究，将遗传算法的偏差和方差与经典工具进行了比较，即最速下降法、Gauss-Newton法、Levenberg-Marquardt法和不使用导数法。在我们的模拟研究中，我们使用最小二乘准则作为优化函数。在logistic回归模型、非线性高斯模型和非线性非高斯模型下，比较了遗传算法和经典方法的性能。我们报告说，在这三种模型下，遗传算法的性能与经典方法相比具有竞争力。 引用于1文件 MSC公司： 62J02型 一般非线性回归 90 C59 数学规划中的近似方法和启发式 65立方厘米60 统计中的计算问题（MSC2010） 关键词：逻辑斯谛模式；高斯-纽顿法 软件：GEATbx公司 PDF格式BibTeX公司 XML格式引用 \textit{J.M.Pasia}等人，《统计计算杂志》。模拟75，第4期，237--251（2005；Zbl 1059.62069） 全文： 内政部 参考文献： [1] Goldberg D，搜索、优化和机器学习中的遗传算法（1989）·Zbl 0721.68056号 [2] 内政部：10.1142/S0219525902000559·Zbl 1098.62529号 ·doi:10.1142/S0219525902000559 [3] Tesfaldet B，《世界科学杂志》第4期第431页–（1999年） [4] Calaor A，《I-SPAN’02会议录》，第39–44页–（2002） [5] Agresti A，分类数据分析导论（1996） [6] McCullagh P，广义线性模型（1989）·Zbl 0588.62104号 ·doi:10.1007/978-1-4899-3242-6 [7] Hosmer D，应用逻辑回归（1989） [8] Davidian M，重复测量数据的非线性模型（1995） [9] Shumway R，时间序列分析及其应用（2000）·doi:10.1007/978-1-4757-3261-0 [10] Brillinger D，《时间序列：数据分析和理论》（1981年） [11] Bazaraa M，《非线性规划：理论与算法》（1994） [12] Myers R，经典与现代回归及其应用（1986） [13] Levenberg K，季刊应用数学2第164页–（1944）·Zbl 0063.03501号 ·doi:10.1090/qam/10666 [14] 内政部：10.1137/011030·Zbl 0112.10505号 ·数字对象标识代码：10.1137/011030 [15] 内政部：10.1002/0471725315·doi:10.1002/0471725315 [16] Pohlheim H 1997用于Matlab的遗传和进化算法工具箱，1.91版可用：http://www.systemtechnik.tu-ilmenau.de/pohlheim/GA_Toolbox/ [17] Obitko M 2001遗传算法可用：http://cs.felk.cvut.cz/xobitko/ga.html 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。