一种基于LLM和贝叶斯优化的网络动力学符号回归方法

本发明适用于计算机技术领域，提供了一种基于LLM和贝叶斯优化的网络动力学符号回归方法。本发明无需预定义基函数库，以自然语言融入物理先验引导LLM生成方程，进一步提升生成方程的质量并加快搜索进程；同时利用贝叶斯优化这一序列化优化方法，高效搜索全局最优解，提高生成方程的准确度，为符号模型搜索提供了一种高效、智能的解决方案。本发明在多种网络动力学场景实验表明，在无需额外预定义基函数库的情况下，通过LLM生成候选方程与贝叶斯优化的高效搜索相结合，有效融合了先验知识，大幅提高发现方程精度与搜索效率，所得方程的准确率远高于目前基于GNN结合GP（GG）、预定义函数库稀疏回归（TPSINDy）等方法。