Programación Genética y Métodos Numéricos Aplicados a la Regresión Simbólica Nélida Beatriz Brignole, Rocío Luján Cecchini (OBS: este es el texto a incluir como pié de página) Departamento de Ciencias e Ingeniería de la Computación, Universidad Nacional del Sur, Bahía Blanca, Argentina Abstract. En este trabajo se presenta una nueva técnica para regresión simbólica, que aprovecha simultáneamente las ventajas ofrecidas por la programación genética y por los métodos matemáticos para ajuste de datos. La nueva propuesta es sumamente versátil pues permite obtener expresiones de regresión de naturaleza no lineal. En particular se utiliza un esquema multi-objetivo para generar expresiones que minimizan el error en los valores muestrales y además producen funciones con un comportamiento suave. La nueva metodología se aplicó exitosamente para encontrar una nueva regresión de la expresión de capacidad de calor del propano en estado gaseoso que mejora la anterior reportada en la literatura. Keywords: Programación genética, Regresión simbólica, multi-objetivo. 1 Introduction La programación genética (PG) es un método sistemático que filtra una población de programas de computadora creados aleatoriamente. Este conjunto evoluciona progresivamente hasta convergencia a una solución satisfactoria. Tal como sucede en los algoritmos genéticos (AGs) clásicos, la búsqueda se basa en los principios Darwinianos de selección natural (supervivencia del más apto) e incluye analogías de varias transformaciones que ocurren en la naturaleza, incluyendo fenómenos de cruzamiento (recombinación sexual), mutación, duplicación y eliminación genética. A diferencia de los AGs tradicionales, en programación genética cada individuo es un programa o función en sí mismo. Así, el resultado de la ejecución de un algoritmo en programación genética es otro programa. De este modo, la técnica es un planteo de nivel superior, más flexible, que permite contemplar simultáneamente un mayor número de alternativas complejas. La programación genética es una metodología novedosa que surgió a principios de la década del 90 [1]. Hasta el momento ha sido empleada para resolver una amplia variedad de problemas incluyendo redes de reacciones químicas [2], síntesis de circuitos analógicos [3] y diseño de controladores [4]. Dado que el espacio de búsqueda suele tornarse muy amplio. Koza ha mostrado que la programación genética puede ser aplicada a una gran diversidad de problemas. Especialmente ha ilustrado su uso en problemas de control (donde se obtuvieron resultados considerablemente mejores en problemas bien conocidos), robotic planning (artificial ant), regresión simbólica y el ya conocido problema del multiplexor booleano de 11 entradas. Las aplicaciones que se consideran en nuestro caso pertenecen al dominio de Regresión Simbólica. Nuestro objetivo es lograr expresiones de formato libre