最新消息
深入探討演化計算、專案更新與社群動態。
AutoPSO：GPU運算力×元演化→全自動粒子群最佳化
EvoX團隊提出的AutoPSO（發表於IEEE TEVC），將PSO的參數設定、學習機制與群體結構統一編碼為一個可搜尋的演化空間，並透過元演化自動尋找適配特定目標問題的最佳PSO變體。
EvoX Genesis（天演·啟元）：從零打造 25 萬行 C 編譯器的遞迴演化式 AI 系統
香港理工大學數據科學及人工智能學系的 EvoX 團隊發表了 EvoX Genesis（天演·啟元），一套遞迴演化式 AI 系統。它不依賴持續存在的 Agent 來維持長程開發，而是讓軟體世界本身持續演化：從空白儲存庫出發，系統在 123.4 小時內建構出 248,989 行的 C 編譯器，模型 token 總成本僅 44.38 美元。
Codex for EvoX：透過對話設計演算法、遷移程式碼並執行可重現實驗
演化計算正邁入 AI 原生時代。以 Codex 為代表的 AI 程式設計代理讓 EvoX 能夠將自然語言意圖轉化為可執行的演化計算工作流，涵蓋問題建模、演算法遷移、無需反向傳播的神經演化以及 GPU 張量化。
EvoGM：無需重新訓練，透過群體演化實現大模型自主合併
EvoX 團隊聯合鵬城實驗室提出生成式演化模型合併框架 EvoGM，將合併係數搜尋轉化為可學習的生成式優化問題，在不重新訓練大模型的前提下實現自主模型合併。
EvoGP：GPU 原生樹結構遺傳程式設計框架，峰值算力達 10^11 GPops/s
EvoGP 從底層重新組織樹狀表示、遺傳算子與並行執行機制，峰值吞吐量突破 10^11 GPops/s，相較既有 GPU 實作最高可達 304 倍加速。
EvoGO：GPU運算 × 生成式學習 → 10代收斂的演化演算法新範式
EvoGO 是一個完全數據驅動的演化最佳化框架，能夠從過去的搜尋經驗中學習如何生成更好的解，在複雜的高維任務上實現快速且強大的效能。
iStratDE：GPU 運算 x 超大族群，釋放差分演化的全部潛力
EvoX 團隊提出 iStratDE，一種 GPU 加速的差分演化方法，在個體層級指定固定策略，實現無通訊的大規模平行搜尋，兼具優異的實證表現與理論收斂保證。
EvoX 快速入門：只需 10 分鐘即可運行 GPU 加速的演化計算
一份初學者教程，教您如何在 10 分鐘內使用 EvoX 開始進行 GPU 加速的演化計算。
基於 GPU 加速的演化多目標最佳化
透過張量化技術連結演化多目標最佳化與 GPU 加速，介紹 EvoMO 函式庫。
MetaDE：通過差分演化演化差分演化
MetaDE 是一種元演化方法，利用差分演化來演化其自身的超參數和策略，發表於 IEEE TEVC。