Quelle bibliothèque de programmation génétique, quelle que soit la langue, possède la communauté la plus active et est la plus développée?
7 Réponses :
Cilib de l'équipe CIRG. Cela a été mis à jour régulièrement. Les développeurs sont toujours fréquents pour répondre à vos questions.
Forum: http://www.cilib.net/
Vous voudrez peut-être consulter la programmation d'expression génique (GEP). C'est une forme alternative de programmation génétique.
Il existe un site technologique sur http://www.gene-expression-programming.com/ . La société derrière elle est Gepsoft http://www.gepsoft.com .
Il est difficile de dire, franchement. Paradiseo semble être très actif et est une jolie grande Bibliothèque englobant diverses métahéuristiques à part GP. Notez qu'il s'agit d'un surset du bibliothèque EO . Openbeagle est agréable, mais il n'a pas été mis à jour depuis 2007.
Je suis un fan d'ECJ, "Système de recherche sur l'évolution de l'évolution de Java":
http://cs.gmu.edu/~eclab/projects/ecj/
La liste de diffusion est généralement modérément active, indiquant à moi la bonne santé générale du projet. J'utilise ECJ pour la quasi-totalité de mes recherches de GA et de GP et j'ai de nombreuses caractéristiques intégrées intéressantes, ainsi que plusieurs contributions tierces.
Créateur de CEJ, Sean Luke, a également écrit un livre téléchargeable génial et gratuit: CS.gmu.edu/~sean/book/Mortistique /
JGAP pour Java semble assez actif. En regardant l'historique de Checkin, il y a quelques mois il y a quelques mois. http://jgap.sourceforge.net/
Vous pouvez essayer ce port C # .NET 4.0 Port de l'ECJ de Sean Luke (calcul évolutif en Java):
http://branecloud.codeplex.com
C'est un logiciel très flexible et puissant! Mais il est également relativement facile de commencer car il comprend de nombreuses échantillons de console de travail hors de la boîte (et de nombreux tests d'unités utiles développés lors de la conversion).
Comme indiqué ci-dessus, si vous programmez en Java, vous devriez visiter directement le site de Sean Luke:
http://cs.gmu.edu/~eclab/projects/ecj/ < / a>
Il a été mis en œuvre active depuis 13 ans!
ben
Heuristiclab a une implémentation très sophistiquée qui est à la fois rapide. Par exemple dans un Benchmark Vous pouvez voir que la vitesse de l'interprète de Heuristiclab était égale à un interprète C ++ minimaliste nouvellement codé comprenant des optimisations. Il est également très flexible que vous pouvez configurer la grammaire qui crée votre arbre dans l'environnement de l'interface graphique. Vous pouvez donc créer des fonctions qui devraient par exemple. avoir certaines variables comme des intrants, mais pas tous. La mise en œuvre est basée sur un long héritage du code, qui est très activement développé et qui est examiné avant chaque sortie pour assurer la qualité continue. Heuristiclab soutient la régression, la classification, ainsi que des problèmes personnalisés tels que Santa Fe Trail ou Tondeuse à gazon (dont un tutoriel existe qui vous aide à mettre en œuvre votre propre problème personnalisé). Il y a la crossevalidation, il existe une séparation de la formation, de la validation et du test que vous pouvez utiliser pour détecter le survêtement. Vous obtiendrez comme résultats à quel point chaque variable est présente dans toute la population, quelle quantité de vos symboles sont présents dans la population afin que vous puissiez estimer les variables importantes. Ceci est affiché comme graphique au fil du temps. Il existe également un analyseur Pareto que vous pouvez permettre de montrer toutes les solutions par qualité et par complexité. Heuristiclab contient également la bibliothèque de référence GP émergente récente (GECCO2012) pour permettre aux personnes de tester et de comparer les résultats. Outre GP, il y a d'autres algorithmes de régression et de classification mis en œuvre comme SVM, des forêts aléatoires, K-nn, etc.
Il est implémenté dans C # et fonctionne sur .NET 4 (actuellement uniquement sur Windows, le support mono est proche de la finition).