Qual è la libreria di programmazione genetica più attiva?

Question

Quale libreria di programmazione genetica, indipendentemente dalla lingua, ha la comunità più attiva ed è la più sviluppata?

Answer 1

CILib dal team CIRG. È stato aggiornato regolarmente. Gli sviluppatori sono sempre abituati a rispondere alle tue domande.

Forum: http://www.cilib.net/

Answer 2

Si potrebbe voler controllare Gene Expression programmazione (GEP). È una forma alternativa di programmazione genetica.

C'è un sito tecnologico a http://www.gene-expression-programming.com/. La società dietro di esso è GEPSoft http://www.gepsoft.com.

Answer 3

È difficile dirlo, francamente. ParadisEO sembra essere molto attivo, ed è una libreria piuttosto grande che comprende varie metaeuristiche oltre a GP. Si noti che è un superset della libreria EO. OpenBEAGLE è bello, ma non è stato aggiornato dal 2007. Watchmaker è molto buono e attivo in questo momento, ma per ora ha solo una prova di implementazione del concetto di GP. C'è una miriade di biblioteche là fuori e piuttosto difficile dire quale sia la migliore. E non è molto difficile eseguire il tuo GP, quindi tieni a mente questa possibilità.

Answer 4

sono un fan di Corte di giustizia europea, "A Evolutionary Computation sistema di ricerca basata su Java":

http://cs.gmu.edu/~eclab/projects/ecj/

La mailing list è di solito moderatamente attivo, indicando per me la buona salute generale del progetto . Ho utilizzato ECJ per quasi tutta la mia ricerca su GA e GP e ha molte interessanti funzionalità integrate oltre a numerosi contributi di terze parti.

creatore della Corte di giustizia, Sean Luca, anche scritto un libro scaricabile impressionante e gratuito: cs.gmu.edu/~sean/book/metaheuristics/

Answer 5

JGAP per Java sembra piuttosto attivo. Guardando la cronologia del check-in c'è stata una raffica di attività un paio di mesi fa. http://jgap.sourceforge.net/

Answer 6

Si può provare questa porta C# .NET 4.0 su Sean Luca CGE (Evolutionary Computation in Java):

http://branecloud.codeplex.com

E 'molto flessibile e potente software! Ma è anche relativamente facile iniziare perché include molti esempi di console di lavoro pronti all'uso (e molti utili test di unità sviluppati durante la conversione).

Come notato sopra, se si programma in Java, vi consigliamo di visitare il sito di Sean Luca direttamente:

http://cs.gmu.edu/~eclab/projects/ecj/

E 'stato in fase di sviluppo attivo per 13 anni!

Ben

Answer 7

HeuristicLab dispone di un'implementazione molto sofisticato che è sia veloce. Ad esempio in un indipendente benchmark si può vedere che la velocità dell'interprete di HeuristicLab era uguale a un interprete C++ minimalista appena codificato che includeva ottimizzazioni.È anche molto flessibile in quanto è possibile configurare la grammatica che crea il proprio albero nell'ambiente della GUI. Quindi puoi creare funzioni che dovrebbero ad es. solo alcune variabili come input, ma non tutte. L'implementazione è basata su una lunga tradizione di codice, che è stata sviluppata molto attivamente e che viene rivista prima di ogni rilascio per garantire la qualità costante. HeuristicLab supporta Regressione, Classificazione e anche problemi personalizzati come il sentiero di Santa Fe o Lawn Mower (di cui esiste un'esercitazione che consente di implementare il proprio problema personalizzato). C'è una crossvalidation, c'è una separazione tra training, validazione e test che puoi utilizzare per rilevare il sovradattamento. Otterrai come risultato quanto ciascuna variabile è presente nell'intera popolazione, quanto i tuoi simboli sono presenti nella popolazione in modo da poter stimare quali variabili sono importanti. Questo viene visualizzato come un grafico nel tempo. C'è anche un analizzatore di pareto che puoi abilitare a mostrare tutte le soluzioni per qualità e complessità. HeuristicLab contiene anche la recente libreria di benchmark GP emergente (GECCO2012) per consentire alle persone di testare e confrontare i risultati. Oltre al GP ci sono ulteriori algoritmi di regressione e classificazione implementati come SVM, Random Forests, k-NN, ecc.

È implementato in C# e funziona su .Net 4 (attualmente solo su Windows, il supporto mono è vicino alla fine) .