تورم به عنوان یکی از پدیده های اقتصادی موجب پیامدهای منفی اجتماعی و فرهنگی متعددی همچون فقر، توزیع نامتناسب درآمد و گسترش مفاسد مالی می شود که هرکدام به نوبه خود هزینه های قابل توجهی را بر اقتصاد تحمیل می کند. به همین دلیل، در کلیه کشورها ثبات قیمت ها به عنوان هدف اصلی برنامه ها و سیاستگذاری های اقتصادی در نظر گرفته می شود. لذا بررسی و پیش بینی این متغیر کلان اقتصادی از اهمیت ویژه ای برخوردار است. در این راستا مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند، یکی از این روش ها الگوریتم های تکاملی می باشد که به عنوان روشی نوین برای مدل سازی و پیش بینی پدیده های مختلف ابداع گردیده اند. در مطالعه حاضر با استفاده از الگوریتم کرم شب تاب و الگوریتم فاخته و به کارگیری متغیرهای تأثیر گذار بر تورم از جمله حجم نقدینگی، نرخ ارز، نرخ بهره حقیقی، تورم انتظاری و تولیدات صنعتی طی دوره 1394-1354 به مدل سازی تورم به صورت خطی و غیرخطی پرداخته می شود. نتایج نشان می-دهد که مدل غیر خطی برای مدل سازی تورم مناسب تر است و الگوریتم کرم شب تاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه می دهد و با توجه به دقت مدل غیرخطی مدل سازی شده توسط الگوریتم کرم شب تاب می توان به منظور پیش بینی تورم در آینده از آن استفاده نمود.
