.
Στην τεχνητή νοημοσύνη, ο γενετικός προγραμματισμός (GP) είναι μια τεχνική εξελισσόμενων προγραμμάτων, ξεκινώντας από έναν πληθυσμό ακατάλληλων (συνήθως τυχαίων) προγραμμάτων, κατάλληλα για μια συγκεκριμένη εργασία, εφαρμόζοντας λειτουργίες ανάλογες με τις φυσικές γενετικές διεργασίες στον πληθυσμό των προγραμμάτων.
Οι λειτουργίες είναι: επιλογή των πιο ικανών προγραμμάτων αναπαραγωγής (crossover) και μετάλλαξη σύμφωνα με ένα προκαθορισμένο μέτρο φυσικής κατάστασης, συνήθως επάρκεια στην επιθυμητή εργασία. Η λειτουργία crossover περιλαμβάνει την εναλλαγή τυχαίων τμημάτων επιλεγμένων ζευγών (γονέων) για την παραγωγή νέων και διαφορετικών απογόνων που γίνονται μέρος της νέας γενιάς προγραμμάτων. Η μετάλλαξη περιλαμβάνει την αντικατάσταση κάποιου τυχαίου μέρους ενός προγράμματος με κάποιο άλλο τυχαίο μέρος ενός προγράμματος. Ορισμένα προγράμματα που δεν έχουν επιλεγεί για αναπαραγωγή αντιγράφονται από την τρέχουσα γενιά στη νέα γενιά. Στη συνέχεια, η επιλογή και άλλες λειτουργίες εφαρμόζονται αναδρομικά στη νέα γενιά προγραμμάτων.
Τυπικά, τα μέλη κάθε νέας γενιάς είναι κατά μέσο όρο πιο κατάλληλα από τα μέλη της προηγούμενης γενιάς και το καλύτερο πρόγραμμα της γενιάς είναι συχνά καλύτερο από τα καλύτερα προγράμματα της προηγούμενης γενιάς. Ο τερματισμός της εξέλιξης συμβαίνει συνήθως όταν κάποιο μεμονωμένο πρόγραμμα φτάσει σε ένα προκαθορισμένο επίπεδο επάρκειας ή φυσικής κατάστασης.
Μπορεί και συμβαίνει συχνά μια συγκεκριμένη εκτέλεση του αλγορίθμου να έχει ως αποτέλεσμα την πρόωρη σύγκλιση σε κάποιο τοπικό μέγιστο που δεν είναι μια συνολική βέλτιστη ή ακόμη και καλή λύση. Πολλαπλές διαδρομές (δεκάδες έως εκατοντάδες) είναι συνήθως απαραίτητες για να παραχθεί ένα πολύ καλό αποτέλεσμα. Μπορεί επίσης να είναι απαραίτητο να υπάρχει μεγάλο αρχικό μέγεθος πληθυσμού και μεταβλητότητα των ατόμων για την αποφυγή παθολογιών.
Hellenica World - Scientific Library
Από τη ελληνική Βικιπαίδεια http://el.wikipedia.org . Όλα τα κείμενα είναι διαθέσιμα υπό την GNU Free Documentation License
