根据Gregory Chaitin的metabiology模型，我试图破解进化模拟。
给定一个返回整数的算法，我需要随机改变它，试图获得另一种语法正确并最终停止的算法。如果突变是真正随机的，那么就不可能确保你获得的是一个有效的算法，它会停止。
我的问题是：
提前致谢
我在思考像：
x <- x + 1
x <- x - 1
y <- x
if x != 0 goto label
这是图灵完成，很容易修改。你觉得怎么样？
答案 0 :(得分：1)
如果突变是真正随机的，则无法确保您获得的是一种有效的算法，将会停止。
正如罗伯特B所指出的那样，一套图灵完备函数将满足你的第一部分，但没有解决你允许循环可能性的问题。但是，如果您可以删除循环，那么您可以生成一个表达式树，每次向它提供一些输入时都可以为您提供输出。表达式树具有有限的大小并保证终止，或者以另一种方式考虑它：要获得具有无限运行时间的表达式树，将要求表达式树具有无限节点（这将需要您具有无限的RAM或磁盘）。
有修剪表达式树的策略，以便为问题提供最小的解决方案，其中一些策略涉及使树的大小成为适应度函数的一部分。换句话说，在计算适应度时，要考虑表达式树的大小：当其他条件相同时（即两个解具有相同的精度），较小的解决方案优于较大的解决方案。
答案 1 :(得分：0)
LISP。好吧，任何homoiconic语言。但是LISP。阅读Koza的书http://www.genetic-programming.com/
答案 2 :(得分：0)
您在这里寻找的是“语法进化”，这将是遗传编程在不断发展的工作计算机程序中的应用。这是一个很好的网站：http://www.grammatical-evolution.com/。此外，您可以通过在Google中键入“FPGA遗传编程”来研究更基本的计算机制（如FPGA）的演变。
答案 3 :(得分：0)
嗯，问题的第一部分是关于有效的算法。如果你需要定义尽可能多的函数来确保图灵完整性（例如，+， - ，*，/，X，Y，Retval，loop，if），那么你已经满足了第一部分。我建议使用更高级别的函数，因为某些结构会一次又一次地不断发展，如果你只是把它放在函数列表中，你就会加速进化。例如，循环可以分解为if和goto，但是使用循环可以节省宝贵的进化能量，并且还可以确保有效性。
然而，你的第二部分是关于最终停止的算法。 This known to have no solution。一种替代方案是对程序可以执行的指令数量设置限制，如果程序违反了该限制则中止该程序，从而给予高额惩罚。或者，如果您有一个程序需要加载答案的终端（例如Retval），您可以暂停程序并检查该终端。