EvoGP: um framework acelerado por GPU para programação genética baseada em árvores

Revolucionar a Programação Genética com Aceleração GPU

O EvoGP foi concebido para resolver as limitações computacionais da Programação Genética Baseada em Árvores tradicional, utilizando computação paralela em GPUs. As operações evolutivas principais, como geração de árvores, mutação, cruzamento e avaliação de aptidão, são totalmente otimizadas com CUDA, permitindo ao EvoGP alcançar até 100x de aceleração em comparação com implementações baseadas em CPU.

Principais Características do EvoGP

  • Kernels CUDA Personalizados para Operações Evolutivas — Aumenta a eficiência em otimização de grande escala.
  • Integração Perfeita com PyTorch — Combina a flexibilidade do Python com computação GPU de alto desempenho.
  • Suporte a Árvores com Múltiplas Saídas — Expande o potencial de aplicação em tarefas complexas como classificação e otimização de políticas.
  • Conjunto Abrangente de Benchmarks — Inclui Regressão Simbólica, Classificação e Controlo Robótico (Brax).
  • Operadores Genéticos Avançados — Suporta diversos métodos de seleção, mutação e cruzamento.

Um Avanço Significativo para a Investigação em Programação Genética

O EvoGP fornece a investigadores e profissionais uma plataforma robusta e escalável para explorar novas metodologias de TGP. Ao integrar algoritmos evolutivos com aceleração GPU, o EvoGP abre novas possibilidades em aprendizagem automática, inteligência artificial e programação automatizada.

Instalação e Participação na Comunidade

O framework é open source e está disponível no GitHub em EMI-Group/EvoGP. Investigadores e programadores podem contribuir, partilhar conhecimentos e melhorar o framework através de Issues e Pull Requests no GitHub. Melhorias futuras incluem variantes adicionais de GP, métodos estendidos de múltiplas saídas e mais otimizações computacionais.

Agradecimentos e Perspetivas Futuras

O EvoGP baseia-se nos princípios fundamentais da Programação Genética pioneiros de John R. Koza e incorpora avanços do PyTorch, CUDA e bibliotecas de regressão simbólica. O EMI-Group prevê que o EvoGP evolua para uma plataforma líder acelerada por GPU para computação evolutiva, expandindo significativamente o seu impacto na automação e otimização impulsionadas por IA.

Para mais detalhes, visite o repositório GitHub do EvoGP: https://github.com/EMI-Group/evogp.