Por um lado, a Computação Evolutiva é extremamente poderosa na investigação e engenharia do mundo real, mas difícil de invocar. Por outro lado, as capacidades das GPUs estão a tornar-se cada vez mais potentes, mas é difícil para elas exercerem o seu poder em tarefas de computação evolutiva.
Precisamos de uma solução verdadeiramente moderna: suporte nativo para GPU, arquitetura modular, interfaces claras, usabilidade imediata e escalabilidade personalizável. Este é o EvoX - um motor de computação evolutiva para o futuro.
Para ajudar os utilizadores a começar rapidamente, a equipa do EvoX lançou o “Tutorial para Principiantes do EvoX”. O tutorial consiste em 8 capítulos, cobrindo tudo, desde o básico até à aplicação prática avançada, guiando-o passo a passo sobre como executar algoritmos evolutivos numa GPU.
Recursos Completos do Tutorial
Tutorial online em chinês:
EvoX Beginners Tutorial - EvoX Document
Tutorial em PDF em chinês:
Por favor, junte-se ao grupo QQ para o obter: 297969717
De seguida, vamos guiá-lo por todo o processo, desde a instalação até à operação, em apenas 10 minutos.
Passo 1: Configuração do Ambiente
Abra o seu terminal e crie um ambiente Python limpo:
Também pode utilizar a sua ferramenta preferida para criar um ambiente Python limpo.
Passo 2: Instalar PyTorch e EvoX
Verifique se a GPU está disponível:
Passo 3: Execute o seu primeiro algoritmo evolutivo
O que é que isto faz? Compõe um algoritmo (PSO), um problema (Ackley) e um monitor (EvalMonitor) através de uma interface padrão. O EvoX trata de todo o paralelismo, aceleração e monitorização!
Passo 4: Traçar a Curva de Convergência
Apenas uma linha é suficiente:
Vê aquela curva descendente? Essa é a trajetória onde o seu algoritmo evolutivo se aproxima do alvo e o caminho que percorre para explorar o mundo desconhecido.
Passo 5: Tente Estender
Se “apenas executar um Ackley” não for satisfatório, pode:
· Trocar PSO por GA, DE, CMA-ES, NSGA-II, RVEA…
· Trocar Ackley por Rastrigin, Griewank, CEC2022
· Mudar para um problema multi-objetivo definindo n_objs >= 2
· Implementar a sua própria lógica com MyProblem e MyAlgorithm
· Ligar-se a modelos PyTorch ou ambientes de aprendizagem por reforço (Gym, Brax, MuJoCo Playground)
Seja ajuste de hiperparâmetros, pesquisa de arquitetura, neuroevolução ou otimização de estratégias de controlo, o EvoX lida com tudo com facilidade.
Porquê 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 lançamento online do tutorial.
Agradecemos sinceramente a todos os membros da comunidade EvoX. São os nossos esforços conjuntos que têm permitido ao EvoX continuar a evoluir.
Código de Código Aberto / Recursos da Comunidade
Artigo (Paper):
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 a framework EvoX. Se estiver interessado em saber mais sobre o EvoX, sinta-se à vontade para consultar o artigo oficial sobre o EvoX 1.0 publicado na nossa conta pública do WeChat para mais detalhes.
