基本介紹
- 中文名：遺傳程式
- 領域：最最佳化理論
簡介,遺傳算法,遺傳編程,參見,
簡介
遺傳程式是John Koza與遺傳算法相關的一個技術，在遺傳程式中，並不是參數最佳化，而是電腦程式最佳化。遺傳程式一般採用樹型結構表示電腦程式用於進化，而不是遺傳算法中的列表或者數組。一般來說，遺傳程式比遺傳算法慢，但同時也可以解決一些遺傳算法解決不了的問題。
遺傳算法
遺傳算法（英語：genetic algorithm (GA)）是計算數學中用於解決最最佳化的搜尋算法，是進化算法的一種。進化算法最初是借鑑了進化生物學中的一些現象而發展起來的，這些現象包括遺傳、突變、自然選擇以及雜交等。
遺傳算法通常實現方式為一種計算機模擬。對於一個最最佳化問題，一定數量的候選解（稱為個體）可抽象表示為染色體，使種群向更好的解進化。傳統上，解用二進制表示（即0和1的串），但也可以用其他表示方法。進化從完全隨機個體的種群開始，之後一代一代發生。在每一代中評價整個種群的適應度，從當前種群中隨機地選擇多個個體（基於它們的適應度），通過自然選擇和突變產生新的生命種群，該種群在算法的下一次疊代中成為當前種群。
遺傳編程
遺傳編程或稱基因編程，簡稱GP，是一種從生物演化過程得到靈感的自動化生成和選擇電腦程式來完成用戶定義的任務的技術。從理論上講，人類用遺傳編程只需要告訴計算機“需要完成什麼”，而不用告訴它“如何去完成”，最終可能實現真正意義上的人工智慧：自動化的發明機器。
遺傳編程是一種特殊的利用進化算法的機器學習技術，它開始於一群由隨機生成的千百萬個電腦程式組成的“人群”，然後根據一個程式完成給定的任務的能力來確定某個程式的適合度，套用達爾文的自然選擇（適者生存）確定勝出的程式，電腦程式間也模擬兩性組合，變異，基因複製，基因刪除等代代進化，直到達到預先確定的某箇中止條件為止。
遺傳編程的首批試驗由史蒂芬·史密斯（1980年）和Nichael·克拉姆（1985年）發表。約翰·Koza（1992年）也寫了一本著名的書，《遺傳編程：用自然選擇讓計算機編程》(ISBN 9780262111706)，來介紹遺傳編程。
