genetic programming

遗传编程（genetic programming）是一种让计算机自动“写程序”的进化计算方法，属于人工智能与演化计算的交叉领域。它和遗传算法、符号回归、自动机器学习等概念关系密切，常被用来解决需要自动生成规则或表达式的问题。

基本含义与用途

遗传编程的核心思路是：把程序或数学表达式看作可进化的个体，通过选择、交叉、变异等操作，让种群一代代演化，最终得到能较好完成目标任务的程序。它常用于符号回归（从数据中找出公式）、分类规则生成、控制器设计、特征构造等场景。与遗传算法不同，遗传编程的个体通常是树形结构的程序片段，因此能自动组合出加减乘除、条件判断等操作。

常见问题

初学者容易把遗传编程和遗传算法混为一谈，其实前者更强调“程序结构”的演化。另一个常见问题是“过拟合”：演化出的程序在训练数据上表现很好，换一批数据就失效。还有运行时间不可控、结果可解释性差、参数敏感等问题。此外，遗传编程不保证找到最优解，只能力求在有限代数内得到可用解。

怎么判断或怎么选

如果你需要从数据中自动发现公式或规则，且问题没有现成模型，可以考虑遗传编程。选择工具时，先看它是否支持你需要的表示形式（树形、线性、语法引导等），再看是否提供交叉验证、复杂度惩罚等防过拟合机制。实际使用中，建议先从小种群、少代数试起，观察结果是否稳定；若结果波动大，可增加种群规模或调整变异率。对可解释性要求高的场景，优先选能输出简洁表达式的实现。