Python 编码细菌：进化的数学行为

我不打算在我的博客上放一个链接，但我没有任何其他方法来澄清我真正的意思。这篇文章很长，分为三个部分（，），但是如果你好奇的话，它值得一读

很久以前（至少5年前），我编写了一个python程序，生成“数学细菌”。这些细菌是python对象，具有简单的基于操作码的遗传代码。您可以向他们输入一个数字，他们根据代码的执行情况返回一个数字。我随机生成它们的遗传密码，并对这些对象应用环境选择，产生类似于预定义预期值的结果。然后我让它们复制、引入突变并进化。结果非常有趣，因为他们的遗传密码基本上学会了如何求解简单的方程，即使对于训练数据集的不同值也是如此

现在，这东西只是一个玩具。我有时间可以浪费，我想满足我的好奇心。 然而，我认为，在研究方面，已经取得了一些进展。。。我希望我在这里重新发明轮子。你有没有意识到像我编程的那样，有人更认真地试图在硅中创造细菌

请注意，这并不是真正的“遗传算法”。遗传算法是指使用进化/选择来改进参数向量，使其与给定的评分函数相对应。这有点不同。我根据给定的评分函数优化代码，而不是参数

免费实用程序的相似之处在于，in可以基于多元输入数据创建拟合符号函数（比简单线性回归等复杂得多）。但是，它使用遗传算法来设计函数，所以我不确定这是否正是您想要的

---

另请参阅，以了解其工作原理的详细信息。

如果您正在优化代码，可能您正在从事？

您熟悉吗？我记得有很多为游戏编写的代码进化程序都取得了一些成功。例如，是一个可应用于核心Wars汇编语言（以及实际问题！）的汇编代码生成器。

Nice article，

---

我想说的是“基因表达式编程”而不是“基因编程”，顺便说一句。

它似乎更像是一个推断关系的工具。。。一种带有附加推理器的PCA。不，这显然是一个GA.你正在优化一个参数（代码执行的操作码表示）与一个计分函数（该代码是否产生你想要或不想要的输出）。你是完全正确的：）当然这是遗传算法（GA）的一种专门化，但这种专门化被称为遗传编程（GP），如下所述。关于GEP的疑问，请参见其在维基百科上文章的对话页：