Regressione Simbolica tramite Codifica Lineare Posizionale: una strada promettente Paolo Pinto 1 , Maurizio Mercurio 2 , Pasquale Memmolo 1 1 Dipartimento di Progettazione e Gestione Industriale Università Federico II di Napoli 2 Dipartimento di Elettronica e Informazione Politecnico Di Milano paolo.pinto@gmail.com , dott.mercurio.maurizio@gmail.com , pasquale.memmolo@tin.it Abstract. Il presente lavoro descrive una nuova tecnica per la Regressione Simbolica basata sull’ evoluzione di una popolazione di modelli candidati che si avvalgono di una particolare struttura cromosomica, qui definita come Codifica Lineare Posizionale (CLP). La CLP prevede che ogni individuo sia rappresentato tramite una stringa di numeri interi e (eventualmente) reali, ciascuno dei quali può rappresentare una costante, una variabile o una funzione in dipendenza dalla sua posizione. Sono qui esposti i risultati di alcuni test preliminari concepiti per valutare la validità del metodo, osservando la rapidità con la quale esso è in grado di pervenire a soluzioni esatte e confrontando i risultati con quelli ottenuti da un programma analogo che si avvale della classica struttura ad albero della Programmazione Genetica. Il confronto evidenzia una maggiore efficienza del programma basato sulla CLP. Introduzione Le tecniche di Regressione Simbolica ricercano il modello matematico che meglio descriva un dato fenomeno attraverso il confronto di una serie di dati bersaglio con altre serie di dati ottenute tramite soluzioni candidate. Le tecniche attualmente di maggiore impiego derivano dalla Programmazione Genetica (PG) introdotta da J. Koza [1,2].