利用 GPU 加速革新遺傳程式設計
EvoGP 旨在透過利用 GPU 上的平行運算，解決傳統 樹狀遺傳程式設計 (Tree-Based Genetic Programming) 的運算限制。關鍵的演化操作，如樹的生成、突變、交配和適應度評估，皆使用 CUDA 進行了全面最佳化，使 EvoGP 能夠實現比基於 CPU 的實作高達 100 倍的加速。
EvoGP 的主要特點
- 用於演化操作的自定義 CUDA 核心 – 提高大規模最佳化的效率。
- 無縫 PyTorch 整合 – 結合 Python 的靈活性與高效能 GPU 運算。
- 多輸出樹支援 – 擴展在分類和策略最佳化等複雜任務中的應用潛力。
- 全面的基準測試套件 – 包括符號回歸、分類和機器人控制 (Brax)。
- 先進的遺傳算子 – 支援多樣化的選擇、突變和交配方法。
遺傳程式設計研究的重大飛躍
EvoGP 為研究人員和從業人員提供了一個強大且可擴展的平台，用於探索新穎的 TGP 方法。透過將 演化演算法 與 GPU 加速 相結合，EvoGP 開啟了 機器學習、人工智慧和自動化程式設計 的新可能性。
安裝與社群參與
該框架是 開源的，可在 GitHub 上的 EMI-Group/EvoGP 下取得。研究人員和開發人員可以透過 GitHub Issues 和 Pull Requests 做出貢獻、分享見解並增強框架。未來的增強功能包括更多的 GP 變體、擴展的 多輸出方法 以及進一步的 運算最佳化。
致謝與未來展望
EvoGP 建立在 John R. Koza 開創的基礎 遺傳程式設計 原則之上，並結合了 PyTorch、CUDA 和符號回歸函式庫 的進步。EMI-Group 期望 EvoGP 發展成為演化運算領域 領先的 GPU 加速平台，顯著擴大其在 AI 驅動的自動化和最佳化 中的影響力。
欲了解更多詳情，請造訪 EvoGP GitHub 儲存庫：https://github.com/EMI-Group/evogp。