برنامه ریزی ژنتیک (Genetic Programming - GP)، در ریاضیات (Mathematics)
انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :
برنامه ریزی ژنتیک (Genetic Programming - GP) :
📌 معرفی
برنامه ریزی ژنتیک (Genetic Programming - GP) شاخه ای از الگوریتم های تکاملی است که به جای بهینه سازی پارامترها، به تکامل برنامه ها، توابع، یا عبارات ریاضی می پردازد. در GP، هر فرد یک برنامه کامپیوتری است که معمولا به صورت یک ساختار درختی نمایش داده می شود.
🌳 نمایش درختی
در GP، جواب ها به صورت درخت های تجزیه (Parse Trees) نمایش داده می شوند. گره های داخلی عملگرها (مانند +, -, *, /, sin, cos) و گره های برگ متغیرها یا ثابت ها هستند. مثال: عبارت
\[ x^2 + 3y \]به صورت درختی با ریشه '+'، فرزندان '^' و '*'، و غیره نمایش داده می شود.
🔄 عملگرها در GP
ترکیب (Crossover): تبادل زیردرخت ها بین دو والد.
جهش (Mutation): تغییر یک گره یا زیردرخت به صورت تصادفی.
انتخاب: مشابه GA (معمولا مسابقه ای).
💼 کاربردها
مدل سازی نمادین (Symbolic Regression): یافتن یک عبارت ریاضی که به داده ها برازش شود.
طراحی مدار: تکامل مدارهای الکترونیکی.
ایجاد استراتژی های کنترلی: برای ربات ها و بازی ها.
کشف قوانین (Rule Discovery): در داده کاوی.
