Cuando evaluar candidatos concentra el coste de una búsqueda, repartir ese trabajo permite plantear experimentos mayores. La guía experimental de EvoX del 23 de abril de 2025 explica la vía introducida en marzo: dividir la población entre procesos y reunir la aptitud antes de actualizar el algoritmo.
Evaluaciones separadas, información común para la población.
Distribuir la evaluación y reunir la respuesta
StdWorkflow incorpora opciones de ejecución distribuida. La población se divide por la dimensión de candidatos según el rango del proceso. Cada proceso evalúa su parte; después se reúnen y concatenan las aptitudes antes de regresar a la actualización del algoritmo. StdWorkflow
Es una evaluación distribuida dentro de un flujo coordinado, distinta de ejecutar búsquedas independientes y comparar sus respuestas finales. Simulaciones o funciones objetivo costosas son usos plausibles si admiten los lotes asignados y el entorno está bien configurado.
La reproducibilidad forma parte de la configuración
La guía destaca fijar semillas antes de operaciones Torch o NumPy y describe el arranque con torch.distributed o torchrun. La implementación aísla el estado del generador aleatorio durante la evaluación. La inicialización coherente permite mantener estados de búsqueda compatibles al evaluar candidatos diferentes. 2025-04-23
Medir la generación completa
Compara la referencia de un proceso con la ejecución distribuida usando el mismo objetivo, semilla y presupuesto de población. Registra el tiempo de una generación completa, incluida la comunicación, y comprueba la correspondencia entre candidatos y aptitud. La guía de inicio presenta el flujo antes de añadir dispositivos.