GAME：基于边缘化集Ensemble的遗传算法用于模型无关的宇宙学量重建

遗传算法（GA）是一种强大的随机优化和非参数符号回归工具，已在宇宙学中广泛使用。它们能够直接从数据点重建解析函数，而无需引入新的物理模型。这种方法的局限性在于，尽管重建函数在再现数据点行为方面非常高效，但涉及导数的不可观测量对随机性、超参数以及GA获得的最佳拟合函数的选择尤其敏感，这意味着算法陷入局部最优的风险。本文提出了一种对GA方法的更新，用于解析函数的重建，通过计算由多个GA配置（\texttt{GAME}）的加权平均来实现。我们通过一种考虑数据点拟合优度和结果函数光滑性的量来定义权重。我们还提出了一种实用方法，通过结合路径积分方法与ensemble方差，来对平均函数的误差进行解析估计和校正。我们在一个通用测试函数上演示了\texttt{GAME}方法带来的改进。随后，我们将新方法应用于使用Cosmic Chronometers数据对哈勃率 $H(z)$ 进行非参数重建，并在假设平坦的Friedmann-Lema\^itre-Robertson-Walker背景和广义相对论的前提下，推导出相应的暗能量方程 $w(z)$。通过一致性测试，我们显示当前数据的结果与$\Lambda$CDM一致，Stage IV宇宙学调查将允许GA借助\texttt{GAME}方法成为更具竞争力的工具，以在不同模型之间进行判别。