Implementación completa de Programación Genética (GP) en Java puro: evolución de árboles de expresiones para regresión simbólica, clasificación binaria y síntesis de funciones booleanas. Incluye interfaz gráfica en JavaFX para configuración interactiva y visualización de resultados.
Proyecto educativo/experimental. No es una librería de producción.
| Evolución del fitness | Árbol de la mejor expresión | Real vs Predicho (multivariado) |
|---|---|---|
 |
 |
 |
- Regresión simbólica — dado un dataset (x, y), el algoritmo busca una expresión matemática que minimice el error cuadrático medio (RMSE). No impone a priori la forma de la función.
- Regresión multivariada — ficheros con 3+ columnas se auto-detectan; las variables reciben nombres automáticos (
v0,v1, …) o desde cabecera. - Clasificación binaria — expresiones que maximizan la precisión sobre datos etiquetados 0/1.
- Síntesis booleana — expresiones AND/OR/NOT/XOR que reproducen tablas de verdad.
El dominio de regresión aplica escalado lineal (ajuste a·f(x)+b por mínimos cuadrados) antes de calcular el fitness, lo que mejora significativamente la convergencia cuando la expresión encontrada es proporcional a la solución correcta pero no está a la misma escala.
- Representación: árboles de expresiones en notación prefija. Nodos internos: funciones (
+,−,*,/,sin,cos,neg,abs,exp,log,sqrt,sqr). Hojas: variables y constantes (fijas o efímeras aleatorias). - Inicialización: ramped half-and-half (mitad
full, mitadgrow) para maximizar la diversidad inicial — método estándar de Koza (1992). - Selección: torneo configurable o ranking por rango².
- Cruce: intercambio de subárboles, compatible con funciones de cualquier aridad (binarias y unarias). Reintentos ante cruce nulo con fallback a copia de progenitores.
- Mutación en tres modalidades con probabilidades configurables:
- Subárbol — reemplaza un subárbol por uno generado aleatoriamente.
- Punto — perturba una constante o sustituye una función por otra de la misma aridad.
- Contracción (shrink) — reemplaza un subárbol completo por un terminal.
- Elitismo estricto — el mejor individuo siempre se copia de forma defensiva a la siguiente generación, desacoplado del porcentaje de cruce. El fitness nunca retrocede entre generaciones.
- Inmigrantes aleatorios (opcional) — al final de cada generación, un porcentaje configurable de la población se reemplaza por individuos nuevos para mitigar convergencia prematura en plateaus. El elite nunca se reemplaza.
- Parada por estancamiento — configurable: número de generaciones sin mejora antes de detener.
- División protegida (estilo Koza):
/ x 0 → 1. Previene NaN/Infinity en evaluación. - Las predicciones inválidas (
NaN,Infinity,|valor| > umbral) se detectan, se reemplazan con un valor de clamp y generan un flagtieneSingularidadesvisible en la GUI (⚠ Singularidades detectadas). - Penalización por parsimonia (α·nodos): desfavorece expresiones complejas para evitar sobreajuste y mejorar interpretabilidad.
- Simplificación algebraica post-evaluación:
x+0→x,x*1→x, plegado de constantes, etc. Las singularidades estructurales (/ 1.0 0.0) no se pliegan para que sean visibles. - Exportación de la mejor expresión a notación prefija, LaTeX o Python.
- Panel de configuración completo: parámetros del algoritmo, selección de funciones por checkbox, constantes fijas y efímeras aleatorias.
- Gráfico de evolución del fitness por generación (tiempo real).
- Árbol visual de la mejor expresión (BFS, canvas).
- Gráfico "Real vs Predicho" para datasets multivariados.
- Múltiples ejecuciones con estadísticas: media, std, min/max fitness y tasa de éxito.
Requisitos: JDK 11+, Maven 3.6+
# Compilar
mvn compile
# Tests
mvn test
# Interfaz gráfica
mvn javafx:runPara ejecutar sin GUI (runners de consola):
java -cp target/classes test.TesterAlgoritmoProgramacionGenetica [fichero_datos]
java -cp target/classes test.TesterDemoValoresEl directorio de trabajo debe ser la raíz del proyecto para que los ficheros de datos se resuelvan correctamente.
La raíz del proyecto incluye datasets de ejemplo para todos los modos:
| Fichero | Tipo | Descripción |
|---|---|---|
valoresX2.txt |
Regresión | y = x² — caso base, converge rápido |
valoresCubica.txt |
Regresión | y = x³ |
valoresSeno.txt |
Regresión | y = sin(x) |
valoresTrigComplejo.txt |
Regresión | y = sin(x) + 0.5·cos(2x) |
valoresExpGauss.txt |
Regresión | y = exp(−x²) |
valoresX2Ruido.txt |
Regresión | y ≈ x² con ruido |
valoresMultiVar.txt |
Multivariada | z ≈ x² + y² |
valoresMultivariadoTrigPolinomico.txt |
Multivariada | z = sin(x)+cos(y)+xy+x²−y², 64 puntos |
benchmarkPolinomioCubico.txt |
Benchmark | y = x³+x²+x en [−2, 2] |
benchmarkMultivariado.txt |
Benchmark | z = x+y+xy, rejilla 5×5 |
benchmarkTrigPolinomico.txt |
Benchmark | z = sin(x)+cos(y)+xy+x²−y², rejilla 5×5 |
clasificacionXOR.csv |
Clasificación | XOR (no lineal) |
clasificacionCirculo.csv |
Clasificación | Dentro/fuera de círculo |
tablaVerdad.txt |
Booleano | Mayoría de 3 bits |
tablaVerdad4vars.txt |
Booleano | Parity de 4 bits |
Ver BENCHMARK.md para parámetros recomendados y resultados medidos.
Para datasets con 2 o más variables de entrada no es posible trazar una curva 2D tradicional. La visualización ordena todos los puntos del dataset por valor real ascendente (no por posición espacial) y superpone dos curvas: el valor real y el predicho por la mejor expresión (con escalado lineal aplicado). Una alineación cercana indica buen ajuste global; las desviaciones locales reflejan los términos que la expresión no ha capturado.
- La GP es estocástica. Los resultados dependen de la semilla, los parámetros elegidos y el conjunto de funciones activadas. Distintas ejecuciones pueden dar expresiones muy diferentes para el mismo problema.
- No siempre encuentra la fórmula exacta. En problemas complejos (funciones trigonométricas + polinómicas + multivariadas) el algoritmo tiende a encontrar aproximaciones válidas en lugar de la expresión analítica exacta. La tasa de éxito exacto en el benchmark más difícil incluido es del 0% en 5 ejecuciones — lo que es esperado y documentado.
- Escalabilidad limitada. No está diseñado para datasets grandes ni para experimentos con poblaciones de decenas de miles de individuos. El rendimiento es adecuado para experimentación y aprendizaje.
- Sin paralelismo. El algoritmo corre en un único hilo (el Task de JavaFX lo separa de la UI, pero no paraleliza la evaluación).
- Sin persistencia. No hay guardado/carga de poblaciones ni de modelos entrenados.
Suite JUnit 5 con 61 tests que cubren:
- Creación de individuos (full/grow), estructura del árbol, evaluación.
- Cruce (cualquier aridad, funciones unarias, progenitores no modificados).
- Mutación (subárbol, punto, contracción; original inalterado).
- Algoritmo completo: poblaciones de tamaño impar, elitismo (fitness no decrece con cruce=100%), inmigrantes no reemplazan al elite.
- Dominios: aritmético (RMSE, escalado lineal), clasificación, booleano.
- Utilidades: simplificación algebraica, exportación de expresiones.
mvn testdoc/DOCUMENTACION.md— Arquitectura, operadores, dominios y utilidades.BENCHMARK.md— Suite de benchmarks con parámetros y resultados medidos.changelog.md— Historial de cambios.
├── pom.xml
├── README.md
├── BENCHMARK.md
├── changelog.md
├── LICENSE
├── valores*.txt, clasificacion*.csv, tablaVerdad*.txt, benchmark*.txt
├── doc/screenshots/
├── doc/
│ └── DOCUMENTACION.md
└── src/
├── main/java/
│ ├── algoritmogenetico/ # Algoritmo, dominios, individuos, nodos, utilidades
│ ├── excepciones/
│ └── gui/ # AppGP (JavaFX)
└── test/java/test/ # Tests JUnit 5
La Programación Genética es una técnica de búsqueda y optimización que evoluciona estructuras de programa en lugar de parámetros numéricos. Cada individuo es un árbol de expresión; la población evoluciona mediante selección, cruce y mutación hasta que una expresión minimiza el error sobre los datos de entrenamiento.
A diferencia de la regresión clásica (que asume una forma funcional fija), la GP descubre la forma de la función a partir de los datos y de un conjunto de operadores primitivos definido por el usuario.
MIT License. Copyright (c) Eduardo Díaz Sánchez. Ver LICENSE.