遺伝的プログラミングは、コンピューターにプログラムを作成させる方法です！
MS Wordのような「プログラム」を考えないで、「プログラム」を次のように考えてください。
function(x){ return x*2; }
この関数（またはプログラム）自体には、存在する理由はありません。問題の解決策を探しています。2つの数値の合計を見つける必要がある場合は、電卓を開いて計算を行うだけです。誰かがあなたに、次の表を与えたとの間の関係を把握するためにあなたを尋ねた場合resultとxとy：
x y result
99 1 (3.02)
79 88 2.01
21 62 5.01
84 52 (6.58)
12 70 5.54
67 18 0.73
このデータは「トレーニング」データです。コンピューターはこのデータを使用していくつかの仮説を生成し、実際のデータに対してテストします。
統計情報がわからないとし、この問題を自分で判断するのは難しすぎると判断した場合、コンピューターにそれを判断させることができます。
コンピューターにランダムな推測をランダムに生成させる
コンピューターに100万の回答を生成させ、それらのいずれかが固執するかどうかを確認します（推測... 100万回！）。次に、いくつかの推測の例を示します。
function(x,y){ return x+y; } // wrong
function(x,y){ return x/1*1*1*1*1*1+y; } //wrong, silly
これを知っているかもしれないし、知らないかもしれませんが、関数またはプログラムはツリーとして表すこともできます。たとえば、2番目の関数は次のようになります。
(+ (/ x (* 1 (* 1 (* 1 (* 1 (* 1 1)))) y)
このようにインデントすることで、ツリーのように見せることができます（ただし、逆ポーランド記法とlisp構文を調べてください...しかし、このようなプログラムをすぐに表す理由は理解できます）。
(+
(/ x
(* 1
(* 1
(* 1
(* 1
(* 1 1))))
y)
（+との2つの「葉」を持つ最上部にあり/、y。/自体には複数の子があります。）
これが、遺伝的プログラミングの「木」について多くを読む理由です。いずれにせよ、我々はの値に差し込むxとy、この関数に、それは私たちに間違った答えを与えます。ただし、これをランダムに生成したため、驚くことではありません。
次に、このようなソリューションを100万個生成することにしました。それらはすべて間違っています。ただし、いくつかの答えは他の答えよりも正しい答えに近いことがわかります。つまり、一部のソリューションは他のソリューションよりも「適合」しています。コンピュータは「正しい」と「間違っている」ことを知らないので、独自の「フィットネス機能」を提供する必要があることに注意してください。この関数は、潜在的なソリューションであるトレーニングデータを渡され、このソリューションがどの程度「適合」しているかをGPシステムに伝える役割を果たします。ご想像のとおり、この関数は何百万回も実行されます。
GPの違い
遺伝的プログラミングが野生の推測と異なる理由は次のとおりです。さらに100万回の推測を行うことにしました。ただし、もう少し賢くします。推測の上位10％（実際の値に近いもの）を取得し、それらを第2世代の一部にします。また、これらのソリューションの多くを使用し（おそらく同じ10％...覚えていない）、「それらを混在させる」ことを決定します。
2つのソリューションをランダムに選択し、サブツリーをランダムに選択して、スワップを開始します。そのため、ソリューションAの一部はソリューションBに、その逆も同様です-あなたはそれらを「クロス」しました。また、いくつかの解決策を取り、それらを単純に「変更」します...いくつかのサブツリーを取得し、少し「それを台無しにします」
これを考える良い方法は次のとおりです。あなたのお母さんとお父さんは、髪の色、身長、病気の可能性など、特定の属性を持っています。あなたの両親がオリンピック選手だったら、あなたもスーパーアスリートになりますよね？さて、生物学者、社会学者、そして歴史家でさえ、この考えに問題を抱えているかもしれませんが、コンピューター科学者はここで優生学の道徳に関心がありません。彼らはソリューションを提供する「システム」が非常に良い仕事をしているのを見たので、ソフトウェアでモデル化することにしました。
それが実際に生物学と一致しないが、それでも良い答えを提供する場合...多くのコンピューター科学者が集合的に「おい、用語に感謝します」と言います。また、すべてのあなたの兄弟姉妹は、まったく同じではないことに注意してください...彼らが同じ親を持っているとしても。各人は、何らかの理由で突然変異する遺伝子を持っています（生物学者にこれを見せないでください、用語は多くの用語の背後にある動機を理解することです）。
だから今、私たちはコンピューターに何百万ものプログラムを生成させ、そのフィットネスを測定しています。最良の解決策は、次世代にも存続します。また、「突然変異」し、「集団」をクロスオーバーします（遺伝学と生物学の言語がどのように使用されているかに注意してください）。第2世代が作成されると、フィットネスが再び測定されます。この世代には前世代の最高のソリューションがあり、最高のソリューションを（普通の人口とともに-多様性を維持するために）交差させて変異させたため、この世代は前世代よりも少なくとも少し優れているはずです。
これを非常に多くの世代にわたって続けています。正しい答えが得られるまで、各世代は（できれば）より良いソリューションを提供します。例えば：
(+ (- 2.2 (/ x 11) (* 7 (cos y))))
これをよく見てください、これは正しいです！
（これをhttp://en.wikipedia.org/wiki/Genetic_programmingからコピーしました。これにはこのツリーのグラフィック表現もあります）
オッズと終了
+, -, *, /, cos, sin, tanGPシステムで使用可能な「端末」（）をどのように決定するか、フィットネス関数をどのように記述するか、(1 + cos)または(2 / "hello")（他の多くの）のような無意味なプログラムをシステムがどのように処理するかなど、いくつかの重要な問題があります。
方程式を発展させるのはかなり退屈です。端末セットが次のようになっている場合（火、敵の検知、移動など）にさらに興味をそそられ、フィットネス機能はあなたの健康と武道モンスターの死体の数を測定します。
私はこれのほとんどをメモリから書きましたが、これは基本的な考え方です。私は大学時代にいくつかのGPを行いました。あなたは間違いなくそれをいじる必要があります。すべての用語を理解することを心配せずに、無料のGPシステムをダウンロードし、いくつかの例を実行して感じて、あなた自身の興味深い例を作成してください（異なるデータセット間の関係を見つけ、ゲームに接続してみてください） APIなど）