遗传规划算法
遗传规划算法
请先看一下遗传算法：
http://blog.csdn.net/v_JULY_v/article/details/6132775
遗传规划/遗传编程(Genetic Programming)是遗传算法的一个分支，与遗传算法中每个个体是一段染色体编码不同，它的个体是一个计算机程序。
维基上说它在70年代就已经有人实践，不过正式提出应该还是在John R. Koza教授于1990年发表的博士论文中。
遗传规划最早的应用是符号回归，比如为了拟合 z=f(x,y)，它生成一个初始函数 g(x,y)，然后以g(x,y)与z的相关系数为适应度，进行选择交叉变异，最终得到最优的一个函数g’，再做一次线性回归即可。
如下是GP表示的一个例子，自然，还有其他的表达方式：
线型：GEP(Gene Expression Programming)，
图型：CGP(Cartesian Genetic Programming)。
以树型为例：
这棵树表示一个函数，就是上面所述的g(x,y)，至于怎么用就见仁见智了，确定好用法之后设定一个计算适应度的方案，就可以跑遗传规划了。
在遗传规划中，选择算子与遗传算法的相同，交叉变异需要根据表达方式来。
树形的交叉实现是这样：
变异实现是这样：