Da un lato, il calcolo evolutivo e estremamente potente nella ricerca e nell’ingegneria del mondo reale, ma difficile da utilizzare. Dall’altro, le capacita delle GPU sono sempre piu potenti, ma e difficile sfruttarne la potenza nei compiti di calcolo evolutivo.
Abbiamo bisogno di una soluzione veramente moderna: supporto nativo per GPU, architettura modulare, interfacce chiare, utilizzabilita immediata e scalabilita personalizzabile. Questo e EvoX — un motore di calcolo evolutivo per il futuro.
Per aiutare gli utenti a iniziare rapidamente, il team EvoX ha rilasciato il “Tutorial per principianti di EvoX”. Il tutorial e composto da 8 capitoli, che coprono tutto dalle basi all’applicazione pratica avanzata, guidandoti passo dopo passo su come eseguire algoritmi evolutivi su una GPU.
Risorse complete del tutorial
Tutorial online in cinese:
EvoX Beginners Tutorial - EvoX Document
Tutorial PDF in cinese:
Unisciti al Gruppo QQ per ottenerlo: 297969717
Ora ti guideremo attraverso l’intero processo, dall’installazione all’esecuzione, in soli 10 minuti.
Passo 1: Configurazione dell’ambiente
Apri il terminale e crea un ambiente Python pulito:
Puoi anche usare il tuo strumento preferito per creare un ambiente Python pulito.
Passo 2: Installa PyTorch e EvoX
Verifica se la GPU e disponibile:
Passo 3: Esegui il tuo primo algoritmo evolutivo
Cosa fa questo codice? Compone un algoritmo (PSO), un problema (Ackley) e un monitor (EvalMonitor) tramite un’interfaccia standard. EvoX si occupa di tutto il parallelismo, l’accelerazione e il monitoraggio!
Passo 4: Traccia la curva di convergenza
Basta una sola riga:
Vedi quella curva discendente? Quella e la traiettoria con cui il tuo algoritmo evolutivo si avvicina all’obiettivo, e il percorso che compie per esplorare il mondo sconosciuto.
Passo 5: Prova ad estendere
Se “eseguire solo un Ackley” non ti soddisfa, puoi:
· Sostituire PSO con GA, DE, CMA-ES, NSGA-II, RVEA… · Sostituire Ackley con Rastrigin, Griewank, CEC2022 · Passare a un problema multi-obiettivo impostando n_objs >= 2 · Implementare la tua logica personalizzata con MyProblem e MyAlgorithm · Collegarti a modelli PyTorch o ambienti di reinforcement learning (Gym, Brax, MuJoCo Playground)
Che si tratti di regolazione degli iperparametri, ricerca di architetture, neuroevoluzione o ottimizzazione di strategie di controllo, EvoX gestisce tutto con facilita.
Perche scegliere EvoX?
Ringraziamenti
Questo tutorial e stato scritto da Boqing Xu, Xinmeng Yu, Bowen Zheng e Xinyao Li. Beichen Huang e stato responsabile della raccolta, dell’editing e della pubblicazione online del tutorial.
Ringraziamo sinceramente ogni membro della comunita EvoX. Sono i nostri sforzi congiunti che hanno permesso a EvoX di continuare a evolversi.
Codice open source / Risorse della comunita
Paper:
https://arxiv.org/abs/2503.20286
GitHub:
https://github.com/EMI-Group/evomo
Progetto upstream (EvoX):
https://github.com/EMI-Group/evox
Gruppo QQ: 297969717
Gruppo QQ | Evolving Machine Intelligence
EvoMO e costruito sul framework EvoX. Se sei interessato a saperne di piu su EvoX, consulta l’articolo ufficiale su EvoX 1.0 pubblicato sul nostro account pubblico WeChat per ulteriori dettagli.
