רגרסיה סימבולית היא סוג של ניתוח רגרסיה המחפש במרחב הביטויים המתמטיים את המודל המתאים ביותר למערך נתונים נתון, הן מבחינת הדיוק והן בפשטות. רגרסייה סימבולית אינה משתמשת במודל כלשהו כנקודת מוצא לאלגוריתם. במקום זאת, ביטויים ראשוניים נוצרים על ידי שילוב אקראי של אבני בניין מתמטיות כגון אופרטורים מתמטיים, פונקציות אנליטיות, קבועים ומשתני מצב. (בדרך כלל, תת קבוצה של פרימיטיבים אלה תצוין על ידי האדם המפעיל אותה, אבל זה לא הדרישה של הטכניקה.) משוואות חדשות נוצרות לאחר מכן על ידי "חיבור" משוואות קודמות, באמצעות תכנות גנטי.

בכדי ללמוד עוד על הפרוייקט, עבור לדף הבית של הפרוייקט - Genetic Algorithm Symbolic Regression.

• Ph.D.

• MOEA Framework - The MOEA Framework is a free and open source Java library for developing and experimenting with multiobjective evolutionary algorithms (MOEAs) and other general-purpose multiobjective optimization algorithms. The MOEA Framework supports genetic algorithms, differential evolution, particle swarm optimization, genetic programming, grammatical evolution, and more. A number of algorithms are provided out-of-the-box, including NSGA-II, NSGA-III, ε-MOEA, GDE3 and MOEA/D. In addition, the MOEA Framework provides the tools necessary to rapidly design, develop, execute and statistically test optimization algorithms.
• Statistical mechanics methods and phase transitions in optimization problems - This review aims at presenting the tools and concepts designed by physicists to deal with optimization or decision problems in an accessible language for computer scientists and mathematicians, with no prerequisites in physics.
  
• pymoo: Multi-objective Optimization in Python - The pymoo framework offers state of the art single- and multi-objective optimization algorithms and many more features related to multi-objective optimization such as visualization and decision making.