使用基于遗传规划的符号回归学习耦合振子网络同步的最优控制

耦合动力系统网络为建模具有极其复杂动态的系统（如人脑）提供了强有力的方式。此类网络系统中同步的控制在许多领域（包括工程和医学）具有深远的应用。在本文中，我们将动力系统中的同步控制表述为一个优化问题，并提出了一种基于多目标遗传规划的方法，以推断驱动系统从同步态到非同步态及反之亦然的最优控制函数。基于遗传规划的控制器允许以可解释的符号形式学习最优控制函数。所提方法的有效性在控制耦合振子系统的同步中得到证明，这些系统以复杂度递增的网络连接，从简单耦合振子系统到分层耦合振子网络。结果表明，该方法能够为此类系统学习到高效且可解释的控制函数。