Genetic algorithms and supernovae type Ia analysis
Genetic algorithms and supernovae type Ia analysis
复制标题
遗传算法和 Ia 型超新星分析
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
S. Nesseris
中科院分区：
文献类型：
--
作者：
C. Bogdanos;C. Bogdanos;S. Nesseris;S. Nesseris
我们引入遗传算法作为分析Ia型超新星数据的一种手段，并提取暗能量状态方程w(z)≡PDE/ρDE演化的模型无关约束。具体来说，我们将简要介绍遗传算法以及一些简单的例子来说明它们的优点，最后我们将把它们应用于Ia型超新星数据。我们发现遗传算法可以得到与已经建立的参数和非参数重建方法一致的结果，并且可以作为处理SNIa数据的补充方法。遗传算法作为一种非参数方法，提供了一种独立于模型的数据分析方法，可以最大限度地减少由于过早选择暗能量模型而造成的偏差。
We introduce genetic algorithms as a means to analyze supernovae type Ia data and extract model-independent constraints on the evolution of the Dark Energy equation of state w(z) ≡ PDE/ρDE. Specifically, we will give a brief introduction to the genetic algorithms along with some simple examples to illustrate their advantages and finally we will apply them to the supernovae type Ia data. We find that genetic algorithms can lead to results in line with already established parametric and non-parametric reconstruction methods and could be used as a complementary way of treating SNIa data. As a non-parametric method, genetic algorithms provide a model-independent way to analyze data and can minimize bias due to premature choice of a dark energy model.
影响因子：
8.7
作者：
Komatsu, E.;Smith, K. M.;Wright, E. L.
通讯作者：
Wright, E. L.