Genetic Programming in Java

Implementación en Java de Programación Genética (GP): evolución de árboles de expresiones para regresión simbólica, clasificación binaria y síntesis de funciones booleanas. Incluye interfaz gráfica (JavaFX) para configuración, ejecución y visualización de resultados.

---

Índice

• Requisitos
• Construcción y ejecución
• Qué es la Programación Genética
• Funcionalidad
• Estructura del proyecto
• Tests
• Documentación
• Licencia

---

Requisitos

• JDK 11 o superior
• Maven 3.6+

---

Construcción y ejecución

# Compilar
mvn compile

# Tests
mvn test

Aplicación con interfaz gráfica (JavaFX):

mvn javafx:run

Desde el IDE: ejecutar la clase gui.AppGP con el classpath de Maven y módulos JavaFX (por ejemplo, en VS Code usar la configuración de lanzamiento que incluye --module-path para JavaFX).

Ejecución por línea de comandos (sin GUI):

mvn compile
java -cp target/classes test.TesterAlgoritmoProgramacionGenetica [fichero_datos]
java -cp target/classes test.TesterDemoValores

El directorio de trabajo debe ser la raíz del proyecto para que se resuelvan los ficheros de datos. Ver más abajo la lista de ficheros de ejemplo.

---

Qué es la Programación Genética

La Programación Genética (GP) es una técnica de optimización y búsqueda inspirada en la evolución natural. Pertenece a la familia de los algoritmos evolutivos y fue popularizada por John Koza en los años 90.

Idea central

En lugar de evolucionar parámetros (como en los algoritmos genéticos clásicos), la GP evoluciona estructuras de programa: en este proyecto, árboles de expresiones. Cada individuo es un árbol cuyos nodos internos son funciones (operadores como +, −, ×, ÷, sin, cos, etc.) y cuyas hojas son terminales (variables como x o constantes). Al evaluar el árbol con valores concretos se obtiene un resultado numérico; la calidad del individuo se mide con una función de fitness que depende del problema (p. ej. error cuadrático medio frente a datos observados).

Flujo típico

1. Población inicial: se generan al azar muchos árboles (individuos) con una profundidad y un conjunto de funciones/terminales fijos.
2. Evaluación: para cada individuo se calcula su fitness (p. ej. −RMSE en regresión, o precisión en clasificación).
3. Selección: se eligen padres (en este proyecto, por torneo: se toman varios candidatos al azar y se eligen los mejores).
4. Variación:
   • Cruce: se intercambian subárboles entre dos padres para producir dos hijos.
   • Mutación: se sustituye un subárbol por uno generado al azar.
5. Reemplazo: la nueva generación se forma con los mejores de la actual (elitismo) y los hijos obtenidos por cruce y mutación.
6. Se repite desde el paso 2 hasta cumplir un criterio de parada (número de generaciones, fitness objetivo o estancamiento).

Por qué es útil

• Regresión simbólica: descubrir fórmulas que se ajusten a datos sin imponer a priori la forma de la ecuación (a diferencia de una regresión lineal o polinómica fija).
• Clasificación: evolucionar expresiones que, evaluadas con las entradas, separen clases (p. ej. salida > 0.5 → clase 1).
• Síntesis de circuitos lógicos: encontrar expresiones booleanas que reproduzcan una tabla de verdad.

La GP es estocástica: distintas ejecuciones (o distintas semillas) pueden dar distintos resultados. Por eso suele usarse con semilla fija para reproducibilidad y múltiples ejecuciones para estudios estadísticos.

---

Funcionalidad

• Representación: individuos como árboles de expresiones en notación prefija. Funciones binarias (+, −, *, / con división protegida) y unarias (sin, cos, neg, abs, exp, log, sqrt, sqr). Terminales: variables y constantes (fijas o efímeras aleatorias).
• Inicialización: ramped half-and-half (mitad “full”, mitad “grow”) para diversidad.
• Operadores: selección por torneo, cruce por subárbol (soporta cualquier aridad), mutación por sustitución de subárbol, elitismo. Límite de profundidad y de nodos; parada por generaciones sin mejora.
• Dominios:
  • Regresión: pares (x, y) desde fichero; fitness = −RMSE − α·nodos.
  • Clasificación binaria: columnas numéricas + etiqueta 0/1; fitness = precisión − α·nodos.
  • Booleano: tabla de verdad; fitness = aciertos − α·nodos.
• Datos: carga desde TSV/CSV; detección de cabecera; soporte multivariado en regresión.
• GUI (JavaFX): selector de fichero, tipo de problema (Regresión / Clasificación), parámetros del algoritmo, conjunto de funciones y constantes, gráfico de evolución del fitness, mejor expresión, gráfico datos vs curva (regresión) y visualización del árbol. Exportación de la mejor expresión y registro opcional en CSV.
• Reproducibilidad: semilla configurable en el algoritmo.

---

Estructura del proyecto

├── pom.xml
├── README.md
├── LICENSE
├── changelog.md
├── valores*.txt, clasificacion*.csv, tablaVerdad*.txt     # Ficheros de datos de ejemplo
├── doc/
│   ├── DOCUMENTACION.md    # Arquitectura y referencia técnica
│   └── ROADMAP.md          # Ideas de evolución
└── src/
    ├── main/java/
    │   ├── algoritmogenetico/   # AlgoritmoGenetico, dominio, individuo, nodos, util
    │   ├── excepciones/
    │   └── gui/                 # AppGP (JavaFX)
    └── test/java/test/          # Tests JUnit y runners (Tester*)

Ficheros de datos de ejemplo

Fichero	Tipo	Descripción
valores.txt, valoresLineal.txt, valoresX2.txt, valoresCubica.txt	Regresión	Univariado (x, y): polinomios sencillos.
valoresPolinomio4.txt	Regresión	y = x⁴ − 2x² (polinomio grado 4).
valoresTrigComplejo.txt	Regresión	y = sin(x) + 0.5·cos(2x).
valoresExpGauss.txt	Regresión	y = exp(−x²) (campana de Gauss).
valoresX2Ruido.txt	Regresión	y ≈ x² con ruido (ajuste robusto).
valoresMultiVar.txt	Regresión multivariada	(x, y) → z ≈ x² + y².
valoresMultivariadoComplejo.txt	Regresión multivariada	(x, y) → z = x + y + x·y.
benchmark_nguyen1.txt	Regresión (benchmark)	Nguyen-1: y = x³ + x² + x en [−1, 1]. Ver doc/BENCHMARKS.md.
clasificacionEjemplo.csv	Clasificación	AND de dos entradas.
clasificacionXOR.csv	Clasificación	XOR (no lineal).
clasificacionCirculo.csv	Clasificación	Dentro/fuera de círculo (x²+y² < 1).
tablaVerdad.txt	Booleano	Mayoría de 3 bits.
tablaVerdad4vars.txt	Booleano	Parity de 4 bits.
tablaVerdadMayoria4.txt	Booleano	Mayoría de 4 bits (≥3 de 4).

---

Tests

Suite JUnit 5 para individuos, cruce, mutación, dominio (aritmético, booleano, clasificación), integración del algoritmo (población impar, funciones unarias) y logger de evolución.

mvn test

---

Documentación

• doc/DOCUMENTACION.md — Arquitectura (interfaces, implementaciones), operadores, dominios y uso.
• doc/BENCHMARKS.md — Benchmarks de regresión simbólica (p. ej. Nguyen-1): ficheros de datos, parámetros recomendados y resultados típicos.
• doc/ROADMAP.md — Posibles extensiones y mejoras.
• changelog.md — Historial de cambios.

---

Licencia

MIT License. Copyright (c) Eduardo Díaz Sánchez. Ver LICENSE.