遗传编程（GP）使用达尔文进化来为分类和符号回归等任务生成算法。然而，一个缺点是用于评估候选程序的解释器增加了大量计算成本。因此。。。

最近的工作表明，许多机器学习技术在模型风险方面表现出“双重下降”，在插值区之外增加模型复杂性可以克服偏差-方差的权衡，从而产生大的、参数化程度过高的模型。。。

本文介绍了一种利用遗传规划（GP）的新型分类方法。该方法的主要目的是通过不断完善群体的遗传结构以改善遗传多样性，从而提高GP的后代。。。

本研究提出了一种遗传规划（GP）分类方法，将协同进化与多视图合成相结合。为了应对高维数据的挑战，我们通过在多个。。。

笛卡尔遗传规划（CGP）允许优化可解释函数表示。然而，理解CGP固有的巨大且组合复杂的搜索空间仍然具有挑战性，特别是因为多重搜索空间。。。

遗传编程（GP）在适应度评估中提出了一个独特的挑战，因为需要重复执行进化程序（通常表示为树结构），以评估其在多个输入数据上的质量。传统方法依赖于。。。

本文探讨了从经济学角度重建延迟微分方程（DDE）模型，即卡莱基的商业周期模型，并使用编码DDE结构的遗传编程（GP）变体。初步工作的结果。。。

代码生成是人工智能最有价值的应用之一，因为它允许自动编程和“自我构建”程序。大型语言模型（LLM）和进化方法，如遗传编程（GP）和语法进化（。。。

对适应度计算所需的数学运算进行显式矢量化可以显著提高基于树的遗传编程用于符号回归的效率。在本文中，我们介绍了一种现代软件设计，用于。。。

在机器学习领域，由于决策树的可解释性和效率，对更简单但有效的模型的追求已经引起了人们对决策树的兴趣。然而，它们固有的简单性往往限制了它们处理复杂问题的能力。。。

与经典体系结构相比，量子计算机的出现代表了实用可计算性的一个关键飞跃。有效利用这一权力越来越重要。尽管这一领域的研究正在扩大。。。

这篇热门文章总结了我们最近发表的工作，“用于回归中进化特征构建的基于语义的提升变异算子”[9]，发表于IEEE进化计算汇刊。我们的研究介绍了一个。。。

这篇简短的论文介绍了我们工作的主要发现，标题为知情的抽样词汇选择：确定高效解决问题的有效培训案例最近发表在《进化计算杂志》上。在此。。。

我们介绍了一种混合机器学习算法，该算法利用基于遗传编程的符号回归（SR）来创建决策树（DT），具有更强的预测性、可解释性、推理性和鲁棒性。……的传统DT算法。。。

图像分类是计算机视觉不同领域的一个重要应用。遗传编程（GP）已经证明了处理这项任务的出色能力。然而，由于。。。

我们应用遗传编程（GP）解决最复杂的湍流控制问题。我们同时优化了多达几十个参数和几十个控制律，通过100到1000次短期测试运行来监听数十个传感器信号。不同于。。。

随着机器学习模型在日常生活中越来越普遍，对这些模型生成的预测进行解释的需求也越来越大。然而，公司使用的大多数模型本质上都是黑匣子，没有能力。。。

遗传编程（GP）可以通过分阶段方法直接应用于组合优化问题，如旅行推销员问题（TSP）。与超神经科学类似，Phased-GP开发了一个简单操作符程序，应用于。。。

自推出以来，生成对抗网络（GAN）代表了图像生成中使用的大部分方法。在GANs之前，这种方法专门使用机器学习（ML）来解决GANs固有的训练问题。。。

程序综合的问题涉及到根据评估标准（如匹配输入-输出对）自动查找函数。虽然笛卡尔遗传规划（CGP）在各种函数综合任务中表现出色，但它主要是。。。