我编写了一个名为PyPGE的 Python 包。

PyPGE 是基于优先语法枚举(1)的符号回归实现，而不是进化或遗传编程。它产生确定性符号回归算法。

(1)蠕虫、托尼和肯尼斯·邱。“优先语法枚举：动态规划的符号回归”。第 15 届遗传与进化计算年会论文集。ACM，2013。GitHub：http: //github.com/verdverm/pypg

在对该主题进行粗略的谷歌搜索之后，似乎“符号回归”是一个非常适合于遗传编程（GP）等随机优化算法的问题。可以想象，您应该寻找一个带有专门用于符号回归的模块的开源遗传编程库，例如DEAP（Python 中的分布式进化算法）。

我曾经开始用 Java 编写 Eureqa 的开源版本。该项目功能有限，但它实现了 [1] 中描述的适应度函数以及作者在其他出版物中提到的优化（例如，在 Pareto 前沿搜索解决方案）。

链接：https ://github.com/pkoperek/hubert

[1] 施密特、迈克尔和霍德·利普森。“从实验数据中提取自由形式的自然法则。” 科学 324.5923 (2009): 81-85。DOI: 10.1126/science.11​​65893

我发现gramEvol R 包灵活且易于使用。他们有一个小教程，他们在其中从数据中重新推导出开普勒第三定律。

请注意，它依赖于遗传程序进行优化，因此如果您运行两次，可能会返回不同的结果。