遺傳規劃算法

遺傳規劃算法

請先看一下遺傳算法：
http://blog.csdn.net/v_JULY_v/article/details/6132775

遺傳規劃/遺傳編程(Genetic Programming)是遺傳算法的一個分支，與遺傳算法中每個個體是一段染色體編碼不同，它的個體是一個計算機程序。
維基上說它在70年代就已經有人實踐，不過正式提出應該還是在John R. Koza教授于1990年發表的博士論文中。

遺傳規劃最早的應用是符號回歸，比如為了擬合 z=f(x,y)，它生成一個初始函數 g(x,y)，然后以g(x,y)與z的相關系數為適應度，進行選擇交叉變異，最終得到最優的一個函數g’，再做一次線性回歸即可。

如下是GP表示的一個例子，自然，還有其他的表達方式：
線型：GEP(Gene Expression Programming)，
圖型：CGP(Cartesian Genetic Programming)。

以樹型為例：

這棵樹表示一個函數，就是上面所述的g(x,y)，至于怎么用就見仁見智了，確定好用法之后設定一個計算適應度的方案，就可以跑遺傳規劃了。

在遺傳規劃中，選擇算子與遺傳算法的相同，交叉變異需要根據表達方式來。
樹形的交叉實現是這樣：

變異實現是這樣：

總結

以上是生活随笔為你收集整理的Renascence架构原理——遗传规划算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。