Quando avaliar candidatos domina o custo da pesquisa, repartir esse trabalho pode permitir experiências maiores. O guia experimental EvoX de 23 de abril de 2025 explica o percurso introduzido em março: dividir a população entre processos e reunir a aptidão antes de atualizar o algoritmo.
Avaliações separadas, retorno comum à população.
Distribuir a avaliação e reunir o retorno
StdWorkflow recebe opções de execução distribuída. A população é dividida na dimensão dos candidatos segundo o rank dos processos. Cada processo avalia a sua parte; as aptidões são depois reunidas e concatenadas antes de regressarem à atualização do algoritmo. StdWorkflow
É avaliação distribuída num fluxo coordenado, diferente de pesquisas independentes cujas respostas finais se comparam. Simulações ou funções objetivo dispendiosas são utilizações plausíveis, desde que aceitem os lotes atribuídos e o ambiente esteja corretamente configurado.
A reprodutibilidade faz parte da configuração
O guia destaca a definição de sementes antes de operações Torch ou NumPy e descreve o arranque com torch.distributed ou torchrun. A implementação isola o estado do gerador aleatório durante a avaliação. A inicialização coerente mantém estados de pesquisa compatíveis ao avaliar candidatos diferentes. 2025-04-23
Medir a geração completa
Compare a referência de um processo com a execução distribuída usando o mesmo objetivo, semente e orçamento de população. Registe o tempo de uma geração completa, incluindo comunicação, e verifique a ordem dos candidatos e da aptidão. O guia de iniciação apresenta o fluxo antes de acrescentar dispositivos.