6
Quelle bibliothèque de programmation génétique, quelle que soit la langue, a la communauté la plus active et est la plus développée?Quelle est la bibliothèque de programmation génétique la plus active?
A
Répondre
0
CILib de l'équipe CIRG. Il a été mis à jour régulièrement. Les développeurs sont toujours fréquents pour répondre à vos questions.
Forum: http://www.cilib.net/
1
Vous pouvez consulter la programmation d'expression génique (GEP). C'est une forme alternative de programmation génétique.
Il existe un site technologique au http://www.gene-expression-programming.com/. La société derrière elle est GEPSoft http://www.gepsoft.com.
3
C'est difficile à dire, franchement. ParadisEO semble être très actif, et est une bibliothèque assez vaste englobant diverses métaheuristiques en plus de GP. Notez qu'il s'agit d'un surensemble de la bibliothèque EO. OpenBEAGLE est gentil, mais il n'a pas été mis à jour depuis 2007. Watchmaker est très bon et actif en ce moment, mais il a seulement une implémentation de preuve de concept de GP pour le moment. Il y a une pléthore de bibliothèques et il est difficile de dire quelle est la meilleure. Et ce n'est pas très compliqué de rouler son propre GP, alors gardez cette possibilité à l'esprit.
0
Je suis un fan de la CEJ, « un calcul évolutionnaire Java System Research »:
http://cs.gmu.edu/~eclab/projects/ecj/
La liste de diffusion est généralement modérément actif, me indiquant la bonne santé générale du projet . J'ai utilisé ECJ pour la quasi-totalité de mes recherches GA et GP et il a beaucoup de fonctionnalités intégrées intéressantes et plusieurs contributions de tiers.
créateur de la CEJ, Sean Luke, a également écrit un livre téléchargeable et libérez: cs.gmu.edu/~sean/book/metaheuristics/
0
JGAP pour Java semble assez actif. En regardant l'histoire de checkin, il y a eu une explosion d'activité il y a quelques mois. http://jgap.sourceforge.net/
0
Vous pouvez essayer C# .NET 4.0 Port de Cour de Sean Luke (Evolutionary Computation en Java):
http://branecloud.codeplex.com
Il est très flexible et puissant logiciel! Mais il est également relativement facile à démarrer car il inclut de nombreux échantillons de console de travail prêts à l'emploi (et de nombreux tests unitaires utiles qui ont été développés pendant la conversion).
Comme indiqué plus haut, si vous programmez en Java, vous devriez visiter le site de Sean Luke directement:
http://cs.gmu.edu/~eclab/projects/ecj/
Il a été en cours de développement depuis 13 ans!
Ben
1
HeuristicLab a une mise en œuvre très sophistiqué qui est à la fois rapide. Par exemple, dans un benchmark indépendant, vous pouvez voir que la vitesse de l'interpréteur HeuristicLab était égale à celle d'un interpréteur C++ minimaliste nouvellement codé incluant des optimisations.Il est également très flexible dans la mesure où vous pouvez configurer la grammaire qui crée votre arbre dans l'environnement graphique. Vous pouvez donc créer des fonctions qui doivent, par exemple, avoir seulement certaines variables comme entrées, mais pas toutes. La mise en œuvre est basée sur un long héritage de code, qui est très activement développé et qui est revu avant chaque sortie pour assurer la qualité continue. HeuristicLab prend en charge la régression, la classification, ainsi que des problèmes personnalisés comme Santa Fe trail ou Lawn Mower (dont un tutoriel existe pour vous aider à implémenter votre propre problème personnalisé). Il y a une validation croisée, il y a une séparation de l'entraînement, de la validation et du test que vous pouvez utiliser pour détecter le surapprentissage. Vous obtiendrez comme résultats combien chaque variable est présente dans l'ensemble de la population, combien vos symboles sont présents dans la population afin que vous puissiez estimer quelles variables sont importantes. Ceci est affiché sous la forme d'un graphique au fil du temps. Il y a aussi un analyseur de pareto que vous pouvez activer pour montrer toutes les solutions par qualité et complexité. HeuristicLab contient également la bibliothèque de tests GP (GECCO2012), récemment lancée, permettant aux utilisateurs de tester et de comparer les résultats. En dehors de GP il y a d'autres algorithmes de régression et de classification implémentés comme SVM, Random Forests, k-NN, etc.
Il est implémenté en C# et fonctionne sur .Net 4 (actuellement seulement sur windows, le support mono est presque terminé) .