請先看一下遺傳算法：
<a href="http://blog.csdn.net/v_july_v/article/details/6132775">http://blog.csdn.net/v_july_v/article/details/6132775</a>
遺傳規劃/遺傳程式設計(genetic programming)是遺傳算法的一個分支，與遺傳算法中每個個體是一段染色體編碼不同，它的個體是一個計算機程式。
維基上說它在70年代就已經有人實踐，不過正式提出應該還是在john r. koza教授于1990年發表的博士論文中。
遺傳規劃最早的應用是符号回歸，比如為了拟合 z=f(x,y)，它生成一個初始函數 g(x,y)，然後以g(x,y)與z的相關系數為适應度，進行選擇交叉變異，最終得到最優的一個函數g’，再做一次線性回歸即可。
如下是gp表示的一個例子，自然，還有其他的表達方式：
線型：gep(gene expression programming)，
圖型：cgp(cartesian genetic programming)。
以樹型為例：
這棵樹表示一個函數，就是上面所述的g(x,y)，至于怎麼用就見仁見智了，确定好用法之後設定一個計算适應度的方案，就可以跑遺傳規劃了。
在遺傳規劃中，選擇算子與遺傳算法的相同，交叉變異需要根據表達方式來。
樹形的交叉實作是這樣：
變異實作是這樣：