Por um lado, a Computação Evolutiva é extremamente poderosa em pesquisa e engenharia do mundo real, mas difícil de utilizar. Por outro lado, as capacidades das GPUs estão se tornando cada vez mais poderosas, mas é difícil para elas exercerem seu poder em tarefas de computação evolutiva.
Precisamos de uma solução verdadeiramente moderna: suporte nativo a GPU, arquitetura modular, interfaces claras, usabilidade pronta para uso e escalabilidade personalizável. Este é o EvoX - um motor de computação evolutiva para o futuro.
Para ajudar os usuários a começar rapidamente, a equipe EvoX lançou o “Tutorial para Iniciantes do EvoX”. O tutorial consiste em 8 capítulos, cobrindo desde o básico até aplicações práticas avançadas, guiando você passo a passo sobre como executar algoritmos evolutivos em uma GPU.
Recursos Completos do Tutorial
Tutorial online em chinês:
EvoX Beginners Tutorial - EvoX Document
Tutorial em PDF em chinês:
Por favor, entre no Grupo QQ para obtê-lo: 297969717
A seguir, vamos guiá-lo por todo o processo, da instalação à execução, em apenas 10 minutos.
Passo 1: Configuração do Ambiente
Abra seu terminal e crie um ambiente Python limpo:
Você também pode usar sua ferramenta preferida para criar um ambiente Python limpo.
Passo 2: Instalar PyTorch e EvoX
Verifique se a GPU está disponível:
Passo 3: Execute seu primeiro algoritmo evolutivo
O que isso faz? Ele compõe um algoritmo (PSO), um problema (Ackley) e um monitor (EvalMonitor) através de uma interface padrão. O EvoX cuida de todo o paralelismo, aceleração e monitoramento!
Passo 4: Plotar a Curva de Convergência
Apenas uma linha é suficiente:
Vê aquela curva descendente? Essa é a trajetória onde seu algoritmo evolutivo está se aproximando do alvo, e o caminho que ele percorre para explorar o mundo desconhecido.
Passo 5: Tente Estender
Se “apenas executar um Ackley” não é satisfatório, você pode:
· Trocar PSO por GA, DE, CMA-ES, NSGA-II, RVEA… · Trocar Ackley por Rastrigin, Griewank, CEC2022 · Mudar para um problema multiobjetivo definindo n_objs >= 2 · Implementar sua própria lógica com MyProblem e MyAlgorithm · Conectar a modelos PyTorch ou ambientes de aprendizado por reforço (Gym, Brax, MuJoCo Playground)
Seja ajuste de hiperparâmetros, busca de arquitetura, neuroevolução ou otimização de estratégias de controle, o EvoX lida com tudo com facilidade.
Por Que Escolher o EvoX?
Agradecimentos
Este tutorial foi escrito por Boqing Xu, Xinmeng Yu, Bowen Zheng e Xinyao Li. Beichen Huang foi responsável pela compilação, edição e publicação online do tutorial.
Agradecemos sinceramente a cada membro da comunidade EvoX. São nossos esforços conjuntos que permitiram ao EvoX continuar evoluindo.
Código Open Source / Recursos da Comunidade
Artigo:
https://arxiv.org/abs/2503.20286
GitHub:
https://github.com/EMI-Group/evomo
Projeto Upstream (EvoX):
https://github.com/EMI-Group/evox
Grupo QQ: 297969717
Grupo QQ | Evolving Machine Intelligence
O EvoMO é construído sobre o framework EvoX. Se você tem interesse em saber mais sobre o EvoX, confira o artigo oficial sobre o EvoX 1.0 publicado em nossa conta pública do WeChat para mais detalhes.
