Due to the inherent difficulties of nonlinear modelling, the studies for finding more practical methods on parameter estimation become more and more important. As well as numerical methods like Gauss-Newton, The Steepest Descent, Newton-Raphson, Levenberg-Marquardt Compromise algorithms etc., some methods based on artificial intelligence optimization get popularity among scientists increasingly. In this study, differential evolution algorithm (DEA) as one of the main artificial intelligence algorithms is used in nonlinear modelling. Then the parameter estimates by this method have been compared with those obtained by classic Gauss-Newton method. We have used three growth models, namely, Gompertz, Logistic and Weibull, in modeling. In the end, our emphasis is the similarity of parameter estimates realized by both methods. Hence DEA may be advocated for finding the similar results with greater simplicity.

Doğrusal ve doğrusal olmayan regresyon modellerinin çözümü birçok bilim dalında araştırma konusu olmaktadır.
Özellikle gerçek hayata dayalı olan doğrusal olmayan modellerin optimizasyonunda pratik yöntemler araştırmak zorunlu hale gelmiştir. Gauss-Newton, En dik iniş, Newton-Raphson, Levenberg-Marquardt uzlaşımı gibi iteratif çözümlere dayalı nümerik yöntemler paralelinde yapay zeka optimizasyon algoritmaları da önem kazanmaktadır.
Bu çalışmada literatürden alınan doğrusal olmayan regresyon modellerine örnek olan üç büyüme modeli kullanılmıştır: Gompertz, Lojistik, Weibull. Modellere Gauss-Newton metodu ile yapay zeka algoritmalarından biri olan diferansiyel gelişim algoritması uygulanmış ve sonuçlar karşılaştırılmıştır.