我希望这个问题是合适的。我正在寻找一种基因程序实现的解决方案，但我仍然是AI的新手，并且不知道在哪里/如何解决问题。
所以我最近开始尝试遗传算法（找到最佳解决方案），之后开始研究遗传编程（寻找解决方案的最佳程序）......决策树的变异，交叉等相对简单对我来说，但我仍然在努力围绕问题的实施。
如果遗传程序可以找到一组相关输入值到输出的数学函数，那么通过查看优化问题（比如说bin装箱问题），你如何使用遗传程序来确定最佳目标/健身功能的问题？因为那时你“应该”能够使用生成的适应度函数（来自GP）在GA上实现以找到问题的最佳解决方案？ - 通过这种方式，您的GA将更加健壮地执行
如果我理解正确的话，GP程序将如何可行？它是一些常用的技术，是与优化问题的健身景观评估相关的方法......还是？任何帮助将不胜感激。我知道有一个解决方案，只是不知道在哪里/如何搜索它，或者它被称为...
提前谢谢。
答案 0 :(得分：0)
... [我]仍然在努力解决问题的实施。
......你如何使用遗传程序来确定问题的最佳目标/适应度函数？
在evolutionary algorithms（特别是GA，GP）中，问题基本上由健身功能定义。在这样的背景下，谈论找到适应度函数的自动化方法是没有意义的，因为它转化为找到问题，对我来说似乎没有任何意义。
如果您的想法位于不同的平面并且您认为它仍然有意义，请尝试更清楚地澄清它。