8、遗传编程与进化策略算法详解

遗传编程与进化策略算法详解

1. 遗传编程（Genetic Programming, GP）

1.1 分类

遗传编程算法是进化算法的一个实例，属于进化计算领域，更广泛地属于计算智能和生物启发计算领域。它与其他进化算法如遗传算法、进化策略、进化编程和学习分类器系统是兄弟技术。从技术上讲，遗传编程算法是遗传算法的扩展。

1.2 灵感来源

遗传编程算法的灵感来源于群体遗传学（包括遗传和基因频率）、种群水平的进化，以及孟德尔对生物结构（如染色体、基因、等位基因）和机制（如重组和突变）的理解，即所谓的进化生物学新综合理论。

1.3 隐喻

种群中的个体根据其表达的基因组（表型）对环境的适应性，贡献其遗传物质（基因型）。下一代通过交配过程产生，该过程涉及遗传操作，如种群中两个个体基因组的重组和随机复制错误（突变）的引入。这个迭代过程可能会使种群中个体的表型与环境之间的适应性得到改善。

1.4 策略

遗传编程算法的目标是使用归纳法设计计算机程序。通过对具有树结构的候选程序应用进化算子，提高候选程序种群与目标函数之间的适应性。对候选解的评估涉及对其进行执行。

1.5 过程

以下是遗传编程算法用于最小化成本函数的伪代码：

Input: Populationsize, nodesfunc, nodesterm, Pcrossover, Pmutation,
Preproduction, Palteration
Output: Sbest
Population ← In