This HTML5 document contains 159 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dbthttp://dbpedia.org/resource/Template:
dbpedia-svhttp://sv.dbpedia.org/resource/
wikipedia-enhttp://en.wikipedia.org/wiki/
n17http://gpbib.cs.ucl.ac.uk/
n35http://hy.dbpedia.org/resource/
dbpedia-fihttp://fi.dbpedia.org/resource/
dbrhttp://dbpedia.org/resource/
dbpedia-arhttp://ar.dbpedia.org/resource/
n16http://
dbpedia-frhttp://fr.dbpedia.org/resource/
n8http://commons.wikimedia.org/wiki/Special:FilePath/
dctermshttp://purl.org/dc/terms/
rdfshttp://www.w3.org/2000/01/rdf-schema#
dbpedia-cshttp://cs.dbpedia.org/resource/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n27http://dbpedia.org/resource/File:
dbphttp://dbpedia.org/property/
n24https://www.springer.com/computer/ai/journal/
xsdhhttp://www.w3.org/2001/XMLSchema#
dbpedia-ukhttp://uk.dbpedia.org/resource/
dbohttp://dbpedia.org/ontology/
n18http://www.gp-field-guide.org.uk/
dbpedia-vihttp://vi.dbpedia.org/resource/
dbpedia-pthttp://pt.dbpedia.org/resource/
dbpedia-jahttp://ja.dbpedia.org/resource/
n31https://web.archive.org/web/20070813222058/http:/uk.geocities.com/markcsinclair/abstracts.html%23pro00a/
dbchttp://dbpedia.org/resource/Category:
n29http://www.modulusfe.com/products/trading-system-developer-components/evo2-genetic-algorithm/
dbpedia-plhttp://pl.dbpedia.org/resource/
yagohttp://dbpedia.org/class/yago/
dbpedia-ruhttp://ru.dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/
goldhttp://purl.org/linguistics/gold/
yago-reshttp://yago-knowledge.org/resource/
n6https://global.dbpedia.org/id/
n19http://www.cems.uwe.ac.uk/~apipe/Int%20and%20Adapt%20Sys/Revision%20material%20CD%20image/evonet.dcs.napier.ac.uk/
dbpedia-slhttp://sl.dbpedia.org/resource/
dbpedia-ithttp://it.dbpedia.org/resource/
dbpedia-cahttp://ca.dbpedia.org/resource/
provhttp://www.w3.org/ns/prov#
foafhttp://xmlns.com/foaf/0.1/
dbpedia-zhhttp://zh.dbpedia.org/resource/
dbpedia-kohttp://ko.dbpedia.org/resource/
dbpedia-fahttp://fa.dbpedia.org/resource/
dbpedia-trhttp://tr.dbpedia.org/resource/
dbpedia-eshttp://es.dbpedia.org/resource/
freebasehttp://rdf.freebase.com/ns/
owlhttp://www.w3.org/2002/07/owl#

Statements

Subject Item
dbr:Genetic_programming
rdf:type
yago:PsychologicalFeature100023100 yago:LinguisticRelation113797142 yago:Algorithm105847438 yago:Event100029378 yago:Rule105846932 yago:Paradigm113804375 yago:YagoPermanentlyLocatedEntity yago:Relation100031921 yago:Activity100407535 yago:WikicatProgrammingParadigms yago:Inflection113803782 yago:WikicatOptimizationAlgorithmsAndMethods yago:WikicatGeneticAlgorithms yago:GrammaticalRelation113796779 yago:Abstraction100002137 yago:WikicatEvolutionaryAlgorithms dbo:Software owl:Thing yago:Act100030358 yago:Procedure101023820
rdfs:label
Programação genética Programación genética Programació genètica Genetické programování Генетическое программирование Programmazione genetica Генетичне програмування Programowanie genetyczne 遗传编程 유전 프로그래밍 Genetic programming برمجة وراثية Genetisk programmering Programmation génétique 遺伝的プログラミング
rdfs:comment
Programação genética é uma técnica automática de programação que propicia a evolução de programas de computadores que resolvem (ou aproximadamente resolvem) problemas. Ela manipula soluções corretas e incorretas, encoraja inconsistências e abordagens contraditórias, não apresenta uma variabilidade dinâmica lógica, é predominantemente probabilística, produz soluções não-parcimoniosas e não apresenta um critério de terminação claramente definido. * linguagem original da programação genética: LISP * linguagem mais utilizada nas aplicações recentes: C 유전 프로그래밍(Genetic programming)은 사용자가 원하는 작업을 수행하는 컴퓨터 프로그램을 찾아내는 방법이다. 생물학적 진화를 통해 착안한 알고리즘으로, 유전 알고리즘의 확장된 형태이고 기본적인 특성은 기존 유전 알고리즘 방식과 흡사하다. 하지만 간단한 명령어 집합을 이용하는 특성 때문에 개개의 결과물은 작은 하나의 컴퓨터 프로그램이 되어 기존 방식에 비해 복잡한 계산도 수행 가능한 것이 큰 장점이다. La programmazione genetica, dall'inglese genetic programming (GP), è una metodologia di programmazione automatizzata, ispirata dall'evoluzione biologica, per scoprire programmi informatici che svolgano in maniera ottimale un determinato compito. È una particolare tecnica di apprendimento automatico che usa un algoritmo evolutivo per ottimizzare una popolazione di programmi di computer secondo un determinato dall'abilità del programma di arrivare a un risultato computazionalmente valido (ovvero di saper svolgere il compito dato). البرمجة الجينية في مجال الذكاء الاصطناعي: البرمجة الجينية (GP) هي تقنية حيث يتم ترميز برامج الكمبيوتر على أنها مجموعة من الجينات التي يتم تعديلها بعد ذلك (تطور) باستخدام خوارزمية تطورية (غالبا ما تكون الخوارزمية الجينية - "GA"). والنتيجة هي برنامج كمبيوتر قادر على أداء جيد في مهمة محددة مسبقا. كثيرا ما يتم الخلط باعتبار كون البرمجة الجينية كنوع أو كتطبيق للخوارزميات الوراثية للمسائل حيث يكون كل فرد هو برنامج كمبيوتر. الطريقة المستخدمة لترميز برنامج كمبيوتري يكون باستخدام كروموسوم اصطناعي، وتتم عملية تقييم صلاحيته فيما يتعلق بمهمة محددة مسبقا وهذا هو الموضوع المركزي في تقنية البرمجة الجينية والتي لا تزال موضع بحث نشط. La programmation génétique est une méthode automatique inspirée par le mécanisme de la sélection naturelle tel qu'il a été établi par Charles Darwin pour expliquer l'adaptation plus ou moins optimale des organismes à leur milieu. Elle a pour but de trouver par approximations successives des programmes répondant au mieux à une tâche donnée. In artificial intelligence, genetic programming (GP) is a technique of evolving programs, starting from a population of unfit (usually random) programs, fit for a particular task by applying operations analogous to natural genetic processes to the population of programs. Генетическое программирование — автоматическое создание или изменение программ с помощью генетических алгоритмов, развитие парадигмы эволюционного программирования. С помощью этой методологии «выращиваются» программы, всё лучше и лучше (в соответствии с определённой функцией приспособленности для «хромосом») решающие поставленную вычислительную задачу. Способы кодирования можно разделить на два класса: 遗传编程或称基因编程，簡稱GP，是一种从生物演化过程得到灵感的自动化生成和选择计算机程序来完成用户定义的任务的技术。从理论上讲，人类用遗传编程只需要告诉计算机“需要完成什么”，而不用告诉它“如何去完成”，最终可能实现真正意义上的人工智能：自动化的发明机器。 遗传编程是一种特殊的利用进化算法的机器学习技术，它开始于一群由随机生成的千百万个计算机程序组成的“人群”，然后根据一个程序完成给定的任务的能力来确定某个程序的，应用达尔文的自然选择（适者生存）确定胜出的程序，计算机程序间也模拟两性组合，变异，基因复制，基因删除等代代进化，直到达到预先确定的某个终止条件为止。 遗传编程的首批试验由斯蒂芬·史密斯 （页面存档备份，存于互联网档案馆）（1980年）和Nichael·克拉姆（1985年）发表。约翰·Koza（1992年）也写了一本著名的书，《遗传编程：用自然选择让计算机编程》(ISBN 9780262111706)，来介绍遗传编程。 在90年代，人们普遍认为为遗传编程发展一个理论十分困难，GP在各种中也处于劣势。2000年后，GP的理论取得重大发展，建立确切的GP概率模型和马尔可夫链模型已成为可能。遗传编程比遗传算法适用的范围更广（实际上包含了遗传算法） 除了生成计算机程序，遗传编程也被用与产生。 Programowanie genetyczne, GP (ang. genetic programming) – zautomatyzowana metoda mająca na celu tworzenie programów komputerowych w oparciu o ogólną definicję problemu. Innymi słowy programowanie genetyczne pozwala, w oparciu o wysokopoziomową definicję mówiącą co ma być zrobione, automatycznie stworzyć program, który owo zagadnienie rozwiąże. Genetisk programmering är en teknik där maskiner kan programmera sig själva genom en form av trial and error. Metoden används till exempel för programmering av artificiell intelligens i robotar och datorer, bildtolkning samt för att hitta mönster i stora datamängder (informationsutvinning). La programació genètica (GP per les sigles de l'anglès Genetic programming) és una metodologia automatitzada inspirada per l'evolució biològica per trobar programes informàtics que millor realitzen una tasca definida per l'usuari. És per això una tècnica d'aprenentatge de màquines particular que utilitza un per optimitzar una població de programes informàtics segons un paisatge d'adequació determinat per l'habilitat d'un programa per realitzar una tasca computacional donada. El primer a informar sobre els experiments amb GP van ser Stephen F. Smith (1980) i Nichael L. Cramer Arxivat 2005-12-03 a Wayback Machine. (1985), tal com es va descriure al famós llibre Genetic Programming: On the Programming of Computers by Means of Natural Selection ("Programació genètica: Sobre la programació de Генети́чне програмува́ння (ГП) — підхід у штучному інтелекті до створення алгоритмів, натхнених еволюцією біологічних видів, щоб знайти програму, яка якнайкраще буде виконувати поставленні завдання. ГП являє собою набір інструкцій програми з функціями допасованості (англ. fitness function), які характеризують, наскільки добре дана програма справилась із завданням. ГП є одним з випадків генетичних алгоритмів, де "індивідом" є комп'ютерна програма, яка буде піддаватись мутаціям. У машинному навчанні цю техніку використовують, щоб оптимізувати покоління комп'ютерних програм відповідно до адаптивного ландшафту визначеного з даних того, як добре програми виконують обчислювальне завдання. 遺伝的プログラミング（いでんてきプログラミング、英: Genetic Programming, GP）は、メタヒューリスティックなアルゴリズムである遺伝的アルゴリズムを拡張したもので、進化的アルゴリズムの四つの主要な方法論の内の一つでもある。 En la inteligencia artificial, la programación genética (GP, de sus siglas en inglés: Genetic Programming) es una metodología basada en los algoritmos evolutivos e inspirada en la evolución biológica para desarrollar automáticamente programas de computadoras que realicen una tarea definida por el usuario. Es una especialización de los algoritmos genéticos (GA, de sus siglas en inglés: Genetic Algorithms) donde cada individuo es un programa de computadora. Es una técnica de aprendizaje automático utilizada para optimizar una población de programas de acuerdo a una (en inglés: fitness function) que evalúa la capacidad de cada programa para llevar a cabo la tarea en cuestión.
owl:differentFrom
dbr:Generic_programming dbr:Genetic_engineering dbr:DNA_computing
foaf:depiction
n8:Genetic_programming_subtree_crossover.gif n8:Genetic_Program_Tree.png n8:Genetic_programming_mutation.gif
dcterms:subject
dbc:Genetic_programming dbc:Genetic_algorithms
dbo:wikiPageID
12424
dbo:wikiPageRevisionID
1124520084
dbo:wikiPageWikiLink
dbr:Brainwave dbr:Three-address_code dbr:Genetic_improvement dbr:Functional_programming dbr:Douglas_Lenat dbr:Alan_Turing dbr:Feature_selection dbr:Automatic_programming dbc:Genetic_programming dbr:Jürgen_Schmidhuber dbr:Genetic_representation dbr:Symbolic_regression dbr:Inductive_programming dbr:Gene_expression_programming dbr:Grammatical_evolution dbr:Machine_learning dbr:Variational_properties dbr:Tournament_selection dbr:Cartesian_genetic_programming dbr:Multi_expression_programming dbr:EEG n27:Genetic_programming_mutation.gif n27:Genetic_programming_subtree_crossover.gif dbr:Imperative_languages dbr:Fitness_proportionate_selection dbr:Assembly_language n27:Genetic_Program_Tree.png dbc:Genetic_algorithms dbr:Fitness_approximation dbr:Eurisko dbr:Linear_genetic_programming dbr:Bio-inspired_computing dbr:John_Koza dbr:Lisp_(programming_language) dbr:Programming_language dbr:Directed_multigraph dbr:Tree_(data_structure) dbr:Propagation_of_schema dbr:Genetic_algorithm dbr:Meta-learning_(computer_science) dbr:CMA-ES dbr:Intron dbr:GECCO dbr:Program_synthesis
dbo:wikiPageExternalLink
n16:www.geneticprogramming.com n17: n18: n19:index20.html n24:10710 n29: n31:
owl:sameAs
n6:4p9zX dbpedia-ca:Programació_genètica dbpedia-vi:Lập_trình_di_truyền dbpedia-sv:Genetisk_programmering freebase:m.0385x dbpedia-sl:Genetsko_programiranje dbpedia-es:Programación_genética dbpedia-ru:Генетическое_программирование dbpedia-cs:Genetické_programování dbpedia-tr:Genetik_programlama dbpedia-pl:Programowanie_genetyczne dbpedia-zh:遗传编程 n35:Գենետիկական_ծրագրավորում wikidata:Q629498 dbpedia-ar:برمجة_وراثية dbpedia-fa:برنامه‌نویسی_ژنتیک dbpedia-it:Programmazione_genetica dbpedia-fi:Geneettinen_ohjelmointi dbpedia-uk:Генетичне_програмування dbpedia-pt:Programação_genética dbpedia-fr:Programmation_génétique dbpedia-ja:遺伝的プログラミング dbpedia-ko:유전_프로그래밍 yago-res:Genetic_programming
dbp:wikiPageUsesTemplate
dbt:Main dbt:Reflist dbt:Short_description dbt:Distinguish dbt:Evolutionary_algorithms dbt:Authority_control
dbo:thumbnail
n8:Genetic_Program_Tree.png?width=300
dbo:abstract
遺伝的プログラミング（いでんてきプログラミング、英: Genetic Programming, GP）は、メタヒューリスティックなアルゴリズムである遺伝的アルゴリズムを拡張したもので、進化的アルゴリズムの四つの主要な方法論の内の一つでもある。 유전 프로그래밍(Genetic programming)은 사용자가 원하는 작업을 수행하는 컴퓨터 프로그램을 찾아내는 방법이다. 생물학적 진화를 통해 착안한 알고리즘으로, 유전 알고리즘의 확장된 형태이고 기본적인 특성은 기존 유전 알고리즘 방식과 흡사하다. 하지만 간단한 명령어 집합을 이용하는 특성 때문에 개개의 결과물은 작은 하나의 컴퓨터 프로그램이 되어 기존 방식에 비해 복잡한 계산도 수행 가능한 것이 큰 장점이다. Programowanie genetyczne, GP (ang. genetic programming) – zautomatyzowana metoda mająca na celu tworzenie programów komputerowych w oparciu o ogólną definicję problemu. Innymi słowy programowanie genetyczne pozwala, w oparciu o wysokopoziomową definicję mówiącą co ma być zrobione, automatycznie stworzyć program, który owo zagadnienie rozwiąże. Po raz pierwszy programowanie genetyczne zostało przedstawione w pracy w 1985 r. Nieco później zostało ponownie wynalezione przez w 1987 r. Po raz trzeci GP zostało odkryte i opisane przez w książce zatytułowanej Genetic Programming: On the Programming of Computers by Means of Natural Selection (1992). Koza silnie zaangażował się w tematykę GP i napisał na ten temat wiele artykułów i książek, a tym samym spopularyzował tę metodę na świecie. La programmation génétique est une méthode automatique inspirée par le mécanisme de la sélection naturelle tel qu'il a été établi par Charles Darwin pour expliquer l'adaptation plus ou moins optimale des organismes à leur milieu. Elle a pour but de trouver par approximations successives des programmes répondant au mieux à une tâche donnée. Programação genética é uma técnica automática de programação que propicia a evolução de programas de computadores que resolvem (ou aproximadamente resolvem) problemas. Ela manipula soluções corretas e incorretas, encoraja inconsistências e abordagens contraditórias, não apresenta uma variabilidade dinâmica lógica, é predominantemente probabilística, produz soluções não-parcimoniosas e não apresenta um critério de terminação claramente definido. Na programação genética, os indivíduos da população não são seqüências de bits, mas sim programas de computador armazenados na forma de . Tais programas é que são os candidatos à solução do problema proposto. Na programação genética, a recombinação se dá pela troca de subárvores entre dois indivíduos candidatos à solução. A implementação de programação genética é conceitualmente imediata quando associada a linguagens de programação que permitem a manipulação de um programa computacional na forma de uma estrutura de dados, inclusive por possibilitar que novos dados do mesmo tipo e recém-criados sejam imediatamente executados como programas computacionais. No entanto, qualquer linguagem computacional capaz de implementar (mesmo que indiretamente) a mesma estrutura de dados pode ser potencialmente empregada. * linguagem original da programação genética: LISP * linguagem mais utilizada nas aplicações recentes: C Como qualquer outro sistema computacional inspirado na natureza, a programação genética tem dois propósitos básicos: 1. * servir de ferramenta para a solução de problemas de engenharia; 2. * servir de modelo científico simplificado para processos naturais. Na prática, qualquer implementação de programação genética vai envolver, ao menos parcialmente, ambos os propósitos básicos mencionados acima. O campo de estudo vem sendo aplicado em diversas áreas do conhecimento, como Engenharia de Software, Circuitos Digitais, Mineração de Dados, Biologia Molecular e outras. Os algoritmos genéticos foram popularizados por Holland [Holland, 1975]. Ele utilizou o conceito de cromossomos como estrutura básica do indivíduo, representado computacionalmente por cadeias binárias. Em 1992 John Koza usou algoritmos genéticos para desenvolver programas para realizar certas tarefas. Ele chamou seu método de programação genética. Inicialmente, foram usados programas em LISP porque programas nessa linguagem podem ser expressos na forma de árvores, que são objetos utilizados pelos algoritmos genéticos. In artificial intelligence, genetic programming (GP) is a technique of evolving programs, starting from a population of unfit (usually random) programs, fit for a particular task by applying operations analogous to natural genetic processes to the population of programs. The operations are: selection of the fittest programs for reproduction (crossover) and mutation according to a predefined fitness measure, usually proficiency at the desired task. The crossover operation involves swapping random parts of selected pairs (parents) to produce new and different offspring that become part of the new generation of programs. Mutation involves substitution of some random part of a program with some other random part of a program. Some programs not selected for reproduction are copied from the current generation to the new generation. Then the selection and other operations are recursively applied to the new generation of programs. Typically, members of each new generation are on average more fit than the members of the previous generation, and the best-of-generation program is often better than the best-of-generation programs from previous generations. Termination of the evolution usually occurs when some individual program reaches a predefined proficiency or fitness level. It may and often does happen that a particular run of the algorithm results in premature convergence to some local maximum which is not a globally optimal or even good solution. Multiple runs (dozens to hundreds) are usually necessary to produce a very good result. It may also be necessary to have a large starting population size and variability of the individuals to avoid pathologies. Генети́чне програмува́ння (ГП) — підхід у штучному інтелекті до створення алгоритмів, натхнених еволюцією біологічних видів, щоб знайти програму, яка якнайкраще буде виконувати поставленні завдання. ГП являє собою набір інструкцій програми з функціями допасованості (англ. fitness function), які характеризують, наскільки добре дана програма справилась із завданням. ГП є одним з випадків генетичних алгоритмів, де "індивідом" є комп'ютерна програма, яка буде піддаватись мутаціям. У машинному навчанні цю техніку використовують, щоб оптимізувати покоління комп'ютерних програм відповідно до адаптивного ландшафту визначеного з даних того, як добре програми виконують обчислювальне завдання. En la inteligencia artificial, la programación genética (GP, de sus siglas en inglés: Genetic Programming) es una metodología basada en los algoritmos evolutivos e inspirada en la evolución biológica para desarrollar automáticamente programas de computadoras que realicen una tarea definida por el usuario. Es una especialización de los algoritmos genéticos (GA, de sus siglas en inglés: Genetic Algorithms) donde cada individuo es un programa de computadora. Es una técnica de aprendizaje automático utilizada para optimizar una población de programas de acuerdo a una (en inglés: fitness function) que evalúa la capacidad de cada programa para llevar a cabo la tarea en cuestión. La programació genètica (GP per les sigles de l'anglès Genetic programming) és una metodologia automatitzada inspirada per l'evolució biològica per trobar programes informàtics que millor realitzen una tasca definida per l'usuari. És per això una tècnica d'aprenentatge de màquines particular que utilitza un per optimitzar una població de programes informàtics segons un paisatge d'adequació determinat per l'habilitat d'un programa per realitzar una tasca computacional donada. El primer a informar sobre els experiments amb GP van ser Stephen F. Smith (1980) i Nichael L. Cramer Arxivat 2005-12-03 a Wayback Machine. (1985), tal com es va descriure al famós llibre Genetic Programming: On the Programming of Computers by Means of Natural Selection ("Programació genètica: Sobre la programació de computadores mitjançant la selecció natural") de (1992). Els programes d'ordinador en GP poden ser escrits en una varietat de llenguatges de programació. A les primeres (i tradicionals) implementacions de GP, les instruccions de programa i els valors de les dades estaven organitzats en estructures en arbre, afavorint la utilització de llenguatges que de manera natural tractaven aquesta estructura (un exemple important que va innovar Koza és Lisp). Altres formes de GP han estat suggerides i implementades amb èxit, com la més senzilla representació lineal que s'adapta als llenguatges imperatius més tradicionals, [veure, per exemple, Banzhaf i cols. (1998)]. El programari GP comercial Discipulus Arxivat 2006-08-16 a Wayback Machine., per exemple, utilitza combinada amb codi màquina per aconseguir més rendiment. Per una altra banda, el MicroGP Arxivat 2006-04-18 a Wayback Machine. utilitza una representació similar a la programació genètica lineal per generar programes que s'aprofiten al màxim de la sintaxi d'un llenguatge ensamblador donat. GP és computacionalment molt intensiva i per això als anys 90 era utilitzada per resoldre problemes relativament simples. Però, més recentment, diverses millores en la tecnologia GP i a la ben conegut creixement esponencial en la potència de les CPUs, GP ha començat a proveir una sèrie de resultats excelents. Al moment d'escriure això, prop de 40 resultats competitius amb el ser humà han estat aconseguits, en àrees com la computació quàntica, disseny electrònic, jocs, ordenació, cerca i molts d'altres. Aquests resultats inclouen la replicació o usurpació de diverses invencions de després de l'any 2000, i la producció de dues invencions patentables. Desenvolupar una teoria per la GP ha estat molt difícil i per això als anys 90 la programació genètica era considerarda una mena de paria entre les diverses tècniques de búsqueda. Però, després d'algunes millores significatives a principis dels 2000, la teoria de la GP ha tingut un desenvolupament formidable. Fins al punt que ha estat possible construir models de probabilitat exacta de la GP (teories d'esquemes i models de cadena de Markov) i demostrar que la programació genètica és més general, i de fet inclou, els algorismes genètics. Les tècniques de la programació genètica han estat aplicades a maquinari evolutiu igual que a programes de computadora. La meta-programació genètica és la tècnica de fer evolucionar un sistema de programes genètics utilitzant la programació genètica mateixa. Alguns crítics han argumentat que és teòricament impossible, però són necessàries més investigacions. La programmazione genetica, dall'inglese genetic programming (GP), è una metodologia di programmazione automatizzata, ispirata dall'evoluzione biologica, per scoprire programmi informatici che svolgano in maniera ottimale un determinato compito. È una particolare tecnica di apprendimento automatico che usa un algoritmo evolutivo per ottimizzare una popolazione di programmi di computer secondo un determinato dall'abilità del programma di arrivare a un risultato computazionalmente valido (ovvero di saper svolgere il compito dato). 遗传编程或称基因编程，簡稱GP，是一种从生物演化过程得到灵感的自动化生成和选择计算机程序来完成用户定义的任务的技术。从理论上讲，人类用遗传编程只需要告诉计算机“需要完成什么”，而不用告诉它“如何去完成”，最终可能实现真正意义上的人工智能：自动化的发明机器。 遗传编程是一种特殊的利用进化算法的机器学习技术，它开始于一群由随机生成的千百万个计算机程序组成的“人群”，然后根据一个程序完成给定的任务的能力来确定某个程序的，应用达尔文的自然选择（适者生存）确定胜出的程序，计算机程序间也模拟两性组合，变异，基因复制，基因删除等代代进化，直到达到预先确定的某个终止条件为止。 遗传编程的首批试验由斯蒂芬·史密斯 （页面存档备份，存于互联网档案馆）（1980年）和Nichael·克拉姆（1985年）发表。约翰·Koza（1992年）也写了一本著名的书，《遗传编程：用自然选择让计算机编程》(ISBN 9780262111706)，来介绍遗传编程。 使用遗传编程的计算机程序可以用很多种编程语言来写成。早期（或者说传统）的GP实现中，程序的指令和数据的值使用树状结构的组织方式，所以那些本来就提供树状组织形式的编程语言最适合与GP，例如Koza使用的Lisp语言。其他形式的GP也被提倡和实现，例如相对简单的适合传统编程语言（例如Fortran、BASIC和C語言）的。有商业化的GP软件把线性遗传编程和汇编语言结合来获得更好的性能，也有的实现方法直接生成汇编程序。 遗传编程所需的计算量非常之大（处理大量候选的计算机程序），以至于在90年代的时候它只能用来解决一些简单的问题。近年来，随着遗传编程技术自身的发展和中央处理器计算能力的指数级提升，GP开始产生了一大批显著的结果。例如在2004年左右，GP在多个领域取得近40项成果：量子计算、电子设计、游戏比赛、排序、搜索等等。这些计算机自动生成的程序（算法）中有些与2000年后人工产生的发明十分类似，甚至有两项结果产生了可以申请专利的新发明。 在90年代，人们普遍认为为遗传编程发展一个理论十分困难，GP在各种中也处于劣势。2000年后，GP的理论取得重大发展，建立确切的GP概率模型和马尔可夫链模型已成为可能。遗传编程比遗传算法适用的范围更广（实际上包含了遗传算法） 除了生成计算机程序，遗传编程也被用与产生。 Juergen Schmidhuber进一步提出了，一种使用遗传编程来生成一个遗传编程系统的技术。一些评论认为宏遗传编程在理论上不可行，但是需要更多的研究来确认。 Genetisk programmering är en teknik där maskiner kan programmera sig själva genom en form av trial and error. Metoden används till exempel för programmering av artificiell intelligens i robotar och datorer, bildtolkning samt för att hitta mönster i stora datamängder (informationsutvinning). البرمجة الجينية في مجال الذكاء الاصطناعي: البرمجة الجينية (GP) هي تقنية حيث يتم ترميز برامج الكمبيوتر على أنها مجموعة من الجينات التي يتم تعديلها بعد ذلك (تطور) باستخدام خوارزمية تطورية (غالبا ما تكون الخوارزمية الجينية - "GA"). والنتيجة هي برنامج كمبيوتر قادر على أداء جيد في مهمة محددة مسبقا. كثيرا ما يتم الخلط باعتبار كون البرمجة الجينية كنوع أو كتطبيق للخوارزميات الوراثية للمسائل حيث يكون كل فرد هو برنامج كمبيوتر. الطريقة المستخدمة لترميز برنامج كمبيوتري يكون باستخدام كروموسوم اصطناعي، وتتم عملية تقييم صلاحيته فيما يتعلق بمهمة محددة مسبقا وهذا هو الموضوع المركزي في تقنية البرمجة الجينية والتي لا تزال موضع بحث نشط. Генетическое программирование — автоматическое создание или изменение программ с помощью генетических алгоритмов, развитие парадигмы эволюционного программирования. С помощью этой методологии «выращиваются» программы, всё лучше и лучше (в соответствии с определённой функцией приспособленности для «хромосом») решающие поставленную вычислительную задачу. Выбор способа кодирования программы в генетическом алгоритме — один из основных вопросов генетического программирования. Программа должна быть закодирована в таком виде, чтобы легко было автоматически вносить случайные изменения (оператор мутации) и объединять два алгоритма в один (оператор скрещивания). Способы кодирования можно разделить на два класса: * прямое кодирование — генетический алгоритм работает с программой в явном виде; * косвенное кодирование — генетический алгоритм работает не с самим кодом программы, а с правилами его построения. То есть генетический алгоритм работает с программой, которая генерирует нужную нам программу. Метагенетическое программирование — вариант генетического программирования, в котором изменяется и, тем самым, «выращивается», не только заданная компьютерная программа, но и сами применяемые операторы скрещивания и мутации.
gold:hypernym
dbr:Methodology
prov:wasDerivedFrom
wikipedia-en:Genetic_programming?oldid=1124520084&ns=0
dbo:wikiPageLength
25062
foaf:isPrimaryTopicOf
wikipedia-en:Genetic_programming