Java Evolutionary Computation Toolkit

26 Травня, 2015 0

Java Evolutionary Computation Toolkit (сокращённо ECJ) – свободная исследовательская система для эволюционных вычислений, написанная на языке программирования Java.

ECJ представляет собой программный каркас, поддерживающий ряд технологий эволюционных вычислений, таких как: генетические алгоритмы, генетическое программирование, эволюционные стратегии, параллельная эволюция, оптимизация большого числа частиц и дифференциальная эволюция. Данный программный каркас моделирует эволюционный процесс по итерациям, используя последовательность конвейеров, приспособленных для того, чтобы соединить одну или более подпопуляций индивидуумов с помощью селекции, скрещивания (такого, как кроссовер), и операторов мутации, которые порождают новых особей.

ECJ имеет открытые исходные тексты и распространяется в рамках лицензии Academic Free License и Berkeley Software Distribution License. Она была создана Шоном Люком, профессором компьютерных наук в университете Джорджа Мейсона, и поддерживается Шоном Люком и множеством спонсоров.

Возможности Java Evolutionary Computation Toolkit

Основные возможности (перечислены со страницы проекта ECJ):

графический интерфейс пользователя с диаграммами;

платформонезависимые контрольные точки и журналирование;

иерархические файлы параметров;

многопоточность;

генератор случайных чисел Мерсенна;

абстракции для выполнения множества форм эволюционных вычислений.

Возможности эволюционных вычислений:

асинхронная островная модель для TCP/IP;

вычисления типа главный/подчинённый для сложных процессоров;

генетические алгоритмы/генетическое программирование устойчивого состояния и эволюция поколений, с использованием либо без элитизма;

эволюционные стратегии типа (mu, lambda) и эволюция (mu+lambda);

очень гибкая архитектура скрещивания;

много операторов селекции;

множественные подпопуляции и виды;

межпопуляционные перестановки;

чтение популяций из файлов;

одно- и многопопуляционная параллельная эволюция;

SPEA2 многокритериальная оптимизация (Strength Pareto Evolutionary Algorithm);

оптимизация большого числа частиц;

дифференциальная эволюция;

пространственно вложенные генетические алгоритмы;

приёмы для других многоцелевых методов оптимизации;

пакеты для экономного воздействия.

Представления деревьев в генетическом программировании:

сильно типизированное основанное на множествах генетическое программирование;

эфемерные случайные константы;

автоматически определяемые функции и автоматически определяемые макросы;

леса из многочисленных деревьев;

6 алгоритмов для создания деревьев;

огромное множество операторов скрещивания в генетическом программировании;

7 готовых приложений генетического программирования для решения проблем из различных областей (муравей, регрессия, мультиплексор, закон Мура, чётность, два блока, ребро).

Представления векторов (генетические алгоритмы):

геном фиксированной и переменной длины;

произвольные представления;

5 векторных приложений для решения проблем из различных областей (сумма, Розенброк, сфера, шаг, шум четвёртой степени).

Другие представления:

геномы, основанные на мультимножественном представлении в линейном пакете, для получения в приближении Питта наборов правил или других представлениях, основанных на множествах.