С одной стороны, эволюционные вычисления чрезвычайно эффективны в реальных исследованиях и инженерии, но при этом сложны в использовании. С другой стороны, возможности GPU становятся всё мощнее, однако им трудно проявить свою силу в задачах эволюционных вычислений.
Нам нужно по-настоящему современное решение: нативная поддержка GPU, модульная архитектура, понятные интерфейсы, готовность к использованию «из коробки» и возможность гибкой настройки. Это EvoX — движок эволюционных вычислений для будущего.
Чтобы помочь пользователям быстро начать работу, команда EvoX выпустила «Руководство для начинающих EvoX». Руководство состоит из 8 глав, охватывающих всё — от основ до продвинутого практического применения, — и пошагово объясняет, как запускать эволюционные алгоритмы на GPU.
Полные ресурсы руководства
Онлайн-руководство на китайском языке:
EvoX Beginners Tutorial - EvoX Document
PDF-руководство на китайском языке:
Для получения вступите в QQ-группу: 297969717
Далее мы проведём вас через весь процесс — от установки до запуска — всего за 10 минут.
Шаг 1: Настройка окружения
Откройте терминал и создайте чистое окружение Python:
Вы также можете использовать любой удобный вам инструмент для создания чистого окружения Python.
Шаг 2: Установка PyTorch и EvoX
Проверьте, доступен ли GPU:
Шаг 3: Запустите свой первый эволюционный алгоритм
Что это делает? Через стандартный интерфейс компонуются алгоритм (PSO), задача (Ackley) и монитор (EvalMonitor). EvoX берёт на себя всю параллелизацию, ускорение и мониторинг!
Шаг 4: Построение кривой сходимости
Достаточно всего одной строки:
Видите эту нисходящую кривую? Это траектория приближения вашего эволюционного алгоритма к цели и путь, которым он исследует неизведанный мир. Шаг 5: Попробуйте расширить
Если «просто запустить Ackley» вам недостаточно, вы можете:
· Заменить PSO на GA, DE, CMA-ES, NSGA-II, RVEA… · Заменить Ackley на Rastrigin, Griewank, CEC2022 · Переключиться на многокритериальную задачу, установив n_objs >= 2 · Реализовать собственную логику с MyProblem и MyAlgorithm · Подключить модели PyTorch или среды обучения с подкреплением (Gym, Brax, MuJoCo Playground)
Будь то настройка гиперпараметров, поиск архитектуры, нейроэволюция или оптимизация стратегий управления — EvoX справляется со всем этим с лёгкостью.
Почему стоит выбрать EvoX?
Благодарности
Это руководство было написано Boqing Xu, Xinmeng Yu, Bowen Zheng и Xinyao Li. Beichen Huang отвечал за систематизацию, редактирование и онлайн-публикацию руководства.
Мы искренне благодарим каждого участника сообщества EvoX. Именно наши совместные усилия позволяют EvoX продолжать развиваться.
Открытый исходный код / Ресурсы сообщества
Статья:
https://arxiv.org/abs/2503.20286
GitHub:
https://github.com/EMI-Group/evomo
Вышестоящий проект (EvoX):
https://github.com/EMI-Group/evox
QQ-группа: 297969717
QQ-группа | Evolving Machine Intelligence
EvoMO построен на основе фреймворка EvoX. Если вы хотите узнать больше о EvoX, ознакомьтесь с официальной статьёй о EvoX 1.0, опубликованной в нашем публичном аккаунте WeChat.
