abstract = "Samenvatting De complexiteit van de problemen waarmee
een ingenieur heden in contact komt, neemt steeds toe.
Hierdoor wordt de verleiding om een aantal concepten
uit de biologie te lenen en zo het probleemoplossend
vermogen van de ingenieur aan te scherpen, groter.
Reeds vanaf 1960 probeert men computationele systemen
te ontwerpen volgens de principes van Charles Darwin.
Genetisch programmeren is zo een dergelijke
evolutionaire optimalisatiemethode voor het automatisch
creeren van computerprogramma. Echter, wanneer
genetisch programmeren wordt gebruikt om steeds
complexere taken op te lossen, vertonen deze programma
een steeds sterker wordende drang om te groeien
(codegroei). Het doel van dit werk is de bestrijding
van codegroei in al zijn facetten. Het eerste deel van
dit werk omvat de ontwikkeling van een nieuwe methode
om codegroei te bestrijden zonder de kwaliteit van de
geevolueerde computerprogramma negatief te beinvloeden.
Deze methode gaat op zoek naar geschikte deelprogramma
waarbij aan een aantal voorwaarden moet worden voldaan.
Een tweede luik van dit werk bestaat uit de
ontwikkeling van adaptieve methoden om codegroei te
bestrijden. Deze sturingsalgoritmen hebben als primair
doel de instellingen voor de gebruiker te beperken en
te vereenvoudigen alsook om probleemafhankelijkheden
weg te werken. Dankzij codegroei hebben programma de
neiging om overgespecialiseerd te raken. In het derde
deel ontwikkelen we een strategie om nieuwe
testvoorbeelden aan te maken. We evalueren tevens de
invloed die de nieuw ontwikkelde codegroei begrenzer
uitoefent op de robuustheid van de bekomen
oplossingen.",