今天，我读了this blog entry by Roger Alsing，它介绍了如何仅使用50个半透明多边形绘制Mona Lisa的副本。
我对这种特殊情况着迷于the results，所以我想知道(这是我的问题):遗传编程如何工作，遗传编程可以解决哪些其他问题？
最佳答案
关于罗杰的《蒙娜丽莎》程序是否完全是Genetic Programming，存在一些争议。它似乎更接近(1 + 1)Evolution Strategy。两种技术都是演化计算的更广泛 Realm 的示例，其中还包括Genetic Algorithms。
遗传编程(GP)是不断发展的计算机程序(通常以树的形式-通常是Lisp程序)的过程。如果您特别想问GP，John Koza被广泛认为是领先专家。他的website包含许多指向更多信息的链接。 GP通常在计算上非常密集(对于非平凡的问题，它通常涉及很大的机器网格)。
如果您的要求更高，则通常使用进化算法(EA)为无法使用其他技术轻松解决的问题(例如NP难题)提供良好的近似解决方案。许多优化问题都属于此类。找不到精确的解决方案可能会占用大量计算资源，但有时接近最佳的解决方案已足够。在这些情况下，进化技术可能是有效的。由于它们的随机性，进化算法永远不能保证找到任何问题的最佳解决方案，但是如果存在，它们通常会找到一个好的解决方案。
进化算法也可以用于解决人类并不真正知道如何解决的问题。没有任何人类先入之见或偏见的EA可以产生令人惊讶的解决方案，这些解决方案可以与人类做出的最佳努力相提并论，甚至更好。即使向我们提出了一个好的解决方案，即使我们不知道如何创建一个好的解决方案，我们也必须承认它。换句话说，我们需要能够制定有效的fitness function。
一些示例
编辑:可免费获得的书A Field Guide to Genetic Programming包含GP在何处产生了具有人类竞争力的结果的示例。
关于genetic-programming - 基因编程的典型用例是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/355460/