برنامه نویسی بیان ژنی

برنامه‌نویسی بیان ژنی (GEP)
در برنامه‌نویسی رایانه، برنامه‌نویسی بیان ژنی (GEP) یک الگوریتم تکاملی است که برنامه‌ها یا مدل‌های رایانه‌ای را ایجاد می‌کند. این برنامه‌های کامپیوتری ساختارهای درختی پیچیده‌ای هستند که با تغییر اندازه‌ها، شکل‌ها و ترکیب‌هایشان، بسیار شبیه به یک موجود زنده یاد می‌گیرند و سازگار می‌شوند. و مانند موجودات زنده، برنامه های کامپیوتری GEP نیز در کروموزوم های خطی ساده با طول ثابت کدگذاری می شوند. بنابراین، GEP یک سیستم فنوتیپ-ژنوتیپ است که از یک ژنوم ساده برای نگهداری و انتقال اطلاعات ژنتیکی و یک فنوتیپ پیچیده برای کشف محیط و سازگاری با آن بهره می‌برد.
هوش محاسباتی (CI)
در هوش محاسباتی (CI)، یک الگوریتم تکاملی (EA) زیرمجموعه‌ای از محاسبات تکاملی است، یک الگوریتم بهینه‌سازی فراابتکاری مبتنی بر جمعیت عمومی. یک EA از مکانیسم‌هایی استفاده می‌کند که از تکامل بیولوژیکی الهام گرفته شده است، مانند تولید مثل، جهش، ترکیب مجدد و انتخاب. راه‌حل‌های نامزد برای مسئله بهینه‌سازی نقش افراد در یک جمعیت را بازی می‌کنند و تابع تناسب کیفیت راه‌حل‌ها را تعیین می‌کند. تکامل جمعیت پس از اعمال مکرر عملگرهای فوق اتفاق می‌افتد.
الگوریتم‌های تکاملی
الگوریتم‌های تکاملی اغلب راه‌حل‌های تقریبی خوبی برای همه انواع مسائل ارائه می‌کنند. زیرا در حالت ایده‌آل هیچ فرضی در مورد چشم‌انداز تناسب اندام زیربنایی نمی‌کنند. تکنیک‌های الگوریتم‌های تکاملی که برای مدل‌سازی تکامل بیولوژیکی به کار می‌روند. عموماً به کاوش‌های فرآیندهای ریز تکاملی و مدل‌های برنامه‌ریزی مبتنی بر فرآیندهای سلولی محدود می‌شوند. در بیشتر کاربردهای واقعی EAها، پیچیدگی محاسباتی یک عامل بازدارنده است. در واقع، این پیچیدگی محاسباتی به دلیل ارزیابی تابع تناسب است. تقریب تناسب اندام یکی از راه حل های غلبه بر این مشکل است. با این حال، EA به ظاهر ساده می‌تواند مسائل اغلب پیچیده را حل کند. بنابراین، ممکن است هیچ ارتباط مستقیمی بین پیچیدگی الگوریتم و پیچیدگی مسئله وجود نداشته باشد.