Approximating the stochastic growth model with neural networks trained by genetic algorithms

Bu tezde, tek sektörlü, doğrusal olmayan stokastik büyüme modelini çözmek için doğrudan nümerik bir çözüm metodu sunulmaktadır. Metodumuz, diğer metotlar gibi Euler denklemini parametrize etmek veya onunla çalışmak yerine politika fonksiyonunu genetik algoritma ile eğitilmiş yapay bir sinirsel ağ ile doğrudan parametrize etmektedir. Genetik algoritmalar türevden bağımsız olduğu ve politika fonksiyonu doğrudan parametrize edildiği için metodumuzda türev almaya gerek yoktur.Diğer metotlar, daha fazla boyutlu durum uzaylarda gerekli türevlerin varlığı ile sınırlıyken, bizim metodumuz işlevselliğini korumaktadır. Genetik algoritmalar global arama algoritmaları olduğundan, metodumuz, arama uzayı ne olursa olsun, sağlıklı sonuçlar üretebilmektedir. Stokastik büyüme modeline ek olarak, metodumuzun gerçek koşullar altındaki performansını gözlemlemek için, modeli yatırım maliyetlerini ekleyerek de test ettik. Bütün parametre konfigürasyonlarında modelimiz oldukça başarılı olmuştur. Anahtar Kelimeler: Stokastik büyüme modeli, Yapay sinirsel ağlar, Genetik alg