بهينه‌سازي ساختار الگوريتم درخت مدل خطي محلي با استفاده از الگوريتم بهينه‌سازي حدي

درخت مدل خطي محلي يا LOLIMOT كه در آن از نوعي مدل فازي عصبي خطي محلي استفاده شده است، الگوريتمي بر اساس استراتژي تقسيم و حل مي‌باشد كه در آن حل مسئله پيچيده از طريق تقسيم مسئله به تعدادي زير مسئله كوچك‌تر (و از اين رو ساده‌تر) صورت مي‌پذيرد. بنابراين مشخصات اين مدل فازي- عصبي (زيرمسئله‌هاي كوچك‌تر شده) به مقدار زيادي به ساختار الگوريتم به كار برده شده جهت تقسيم‌بندي وابسته مي‌باشد. الگوريتم LOLIMOT براي رسيدن به خروجي با خطاي كمتر فضاي مسئله را به تعدادي مدل خطي محلي يا LLM تقسيم مي‌نمايد و پس از پيدا كردن بدترين LLM (LLM با خطاي بيشتر) با تقسيم آن به دو LLM الگوريتم را ادامه مي‌دهد. در اين الگوريتم در هر تكرار از آن بدترين LLM با نرخ تقسيم در جهت‌هاي متعامد بر فضاي ورودي تقسيم مي‌شود. در اين مقاله به كمك الگوريتم بهينه‌سازي حدي به بهينه‌سازي نرخ تقسيم مي‌پردازيم، نتايج پياده سازي حاكي از آن است كه كارايي نسخه جديد الگوريتم LOLIMOT از نظر شاخص ميانگين مربعات خطا بهتر از الگوريتم اوليه است.