¿Cuál es la biblioteca de programación genética más activa?

Question

¿Qué biblioteca de programación genética, independientemente del idioma, tiene la comunidad más activa y está mejor desarrollada?

Answer 1

CILib del equipo CIRG. Ha sido actualizado regularmente. Los desarrolladores siempre son frecuentes para responder sus preguntas.

Foro: http://www.cilib.net/

Answer 2

Es posible que desee comprobar hacia fuera Programación expresión génica (GEP). Es una forma alternativa de programación genética.

Hay un sitio de tecnología en http://www.gene-expression-programming.com/. La compañía detrás de esto es GEPSoft http://www.gepsoft.com.

Answer 3

Es difícil de decir, francamente. ParadisEO parece ser muy activo, y es una biblioteca bastante grande que abarca varias metaheurísticas además de GP. Tenga en cuenta que es un superconjunto de la biblioteca EO. OpenBEAGLE es bueno, pero no se ha actualizado desde 2007. Watchmaker es muy bueno y activo en este momento, pero solo tiene una implementación de prueba de concepto de GP por ahora. Hay una gran cantidad de bibliotecas y es difícil saber cuál es la mejor. Y no es muy difícil sacar tu GP, así que ten en cuenta esa posibilidad.

Answer 4

Soy un fan de ECJ, "un sistema de investigación de computación evolutiva basada en Java":

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

La lista de correo es por lo general moderadamente activo, lo que indica a mí el buen estado de salud general del proyecto . He estado usando ECJ para casi todas mis investigaciones de GA y GP, y tiene muchas características interesantes adicionales además de varias contribuciones de terceros.

creador del TJE, Sean Lucas, también escribió un libro descargable impresionante y libre: cs.gmu.edu/~sean/book/metaheuristics/

Answer 5

JGAP para Java parece bastante activo. En cuanto a la historia del registro, hubo un estallido de actividad hace un par de meses. http://jgap.sourceforge.net/

Answer 6

Puede probar este puerto C# .NET 4.0 de Sean Lucas TJE (computación evolutiva en Java):

http://branecloud.codeplex.com

Es muy flexible y potente software! Pero también es relativamente fácil comenzar porque incluye muchas muestras de consola de trabajo listas para usar (y muchas pruebas de unidad útiles que se desarrollaron durante la conversión).

Como se ha indicado anteriormente, si programa en Java, usted debe visitar el sitio de Sean Lucas directamente:

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

Ha estado bajo desarrollo activo durante 13 años!

Ben

Answer 7

HeuristicLab tiene una aplicación muy sofisticada que es a la vez rápido. Por ejemplo, en un benchmark independiente, puede ver que la velocidad del intérprete de HeuristicLab era igual a la de un intérprete C++ minimalista recientemente codificado que incluía optimizaciones.También es muy flexible ya que puede configurar la gramática que crea su árbol en el entorno de la GUI. Para que pueda crear funciones que deberían, por ejemplo, solo tienen ciertas variables como entradas, pero no todas. La implementación se basa en un largo legado de código, que se desarrolla muy activamente y que se revisa antes de cada lanzamiento para garantizar la calidad continua. HeuristicLab admite regresión, clasificación y problemas personalizados como el sendero Santa Fe o el cortacésped (del cual existe un tutorial que lo ayuda a implementar su propio problema personalizado). Existe una validación cruzada, hay una separación de entrenamiento, validación y prueba que puede utilizar para detectar el sobreajuste. Obtendrá como resultados cuánto está presente cada variable en toda la población, cuánto están presentes sus símbolos en la población para que pueda estimar qué variables son importantes. Esto se muestra como un gráfico en el tiempo. También hay un analizador pareto que puede habilitar para mostrar todas las soluciones por calidad y complejidad. HeuristicLab también contiene la biblioteca emergente de GP de reciente aparición (GECCO2012) para permitir a las personas probar y comparar resultados. Además de GP hay más algoritmos de regresión y clasificación implementados como SVM, Random Forests, k-NN, etc.

Se implementa en C# y se ejecuta en .Net 4 (actualmente solo en Windows, el soporte mono está cerca de finalizar) .