Beranda>Terkait pemrograman>Kode Sumber AI
Unduh

Jenetik

Jenetics adalah perpustakaan Algoritma Genetika , Algoritma Evolusioner , Evolusi Tata Bahasa , Pemrograman Genetik , dan Optimasi Multi-tujuan , yang ditulis dalam Java modern. Ini dirancang dengan pemisahan yang jelas dari beberapa konsep algoritma, misalnya Gene , Chromosome , Genotype , Phenotype , Population dan Fitness Function . Jenetics memungkinkan Anda meminimalkan dan memaksimalkan fungsi kebugaran yang diberikan tanpa mengubahnya. Berbeda dengan implementasi GA lainnya, perpustakaan menggunakan konsep aliran evolusi ( EvolutionStream ) untuk menjalankan langkah-langkah evolusi. Karena EvolutionStream mengimplementasikan antarmuka Java Stream, ia bekerja dengan lancar dengan Java Stream API lainnya.

Bahasa lainnya

  • Jenetics.Net : Port .NET Core eksperimental di C# perpustakaan dasar.
  • Helisa : Scala membungkus perpustakaan Jenetics.

Dokumentasi

Perpustakaan didokumentasikan sepenuhnya (javadoc) dan dilengkapi dengan panduan pengguna (pdf).

Bangun Jenetics

Jenetics memerlukan setidaknya Java 21 untuk dikompilasi dan dijalankan.

Lihat cabang master dari GitHub. 

 $ git clone https://github.com/jenetics/jenetics.git <builddir>

Jenetics menggunakan Gradle sebagai sistem pembangunan dan mengatur sumber ke dalam subproyek (modul). Setiap subproyek terletak di subdirektorinya sendiri:

Proyek yang diterbitkan

Proyek/modul berikut juga diterbitkan ke Maven.

  • jenetics : Proyek ini berisi kode sumber dan pengujian untuk modul inti Jenetics.
  • jenetics.ext : Modul ini berisi operasi GA non -standar dan tipe data tambahan. Ini juga berisi kelas untuk memecahkan masalah multi-objektif (MOEA) dan melakukan Grammatical Evolution (GE).
  • jenetics.prog : Modul berisi kelas yang memungkinkan untuk melakukan pemrograman genetik (GP). Ia bekerja dengan lancar dengan EvolutionStream dan Evolution Engine yang ada.
  • jenetics.xml : Modul marshalling XML untuk struktur data dasar Jenetics .

Proyek yang tidak dipublikasikan

  • jenetics.example : Proyek ini berisi kode contoh untuk modul inti .
  • jenetics.doc : Berisi kode website dan manualnya.
  • jenetics.tool : Modul ini berisi kelas-kelas yang digunakan untuk melakukan pengujian integrasi dan pengujian kinerja algoritmik. Hal ini juga digunakan untuk membuat ukuran kinerja GA dan membuat diagram dari ukuran kinerja.

Untuk membangun perpustakaan, ubah ke direktori <builddir> (atau salah satu direktori modul) dan panggil salah satu tugas yang tersedia:

  • kompilasiJava : Mengkompilasi sumber Jenetics dan menyalin file kelas ke direktori <builddir>/<module-dir>/build/classes/main .
  • jar : Mengkompilasi sumber dan membuat file JAR. Artefak disalin ke direktori <builddir>/<module-dir>/build/libs .
  • javadoc : Menghasilkan dokumentasi API. Javadoc disimpan di direktori <builddir>/<module-dir>/build/docs
  • test : Mengkompilasi dan menjalankan pengujian unit. Hasil pengujian dicetak ke konsol, dan laporan pengujian, yang dibuat oleh TestNG, ditulis ke direktori <builddir>/<module-dir> .
  • clean : Menghapus direktori <builddir>/build/* dan menghapus semua artefak yang dihasilkan.

Untuk membangun toples perpustakaan dari panggilan sumber 

 $ cd <build-dir>
$ ./gradlew jar

Contoh

Halo Dunia (Yang terus bertambah)

Pengaturan Mesin evolusi minimum memerlukan pabrik genotipe, Factory<Genotype<?>> , dan Fitness Function . Genotype mengimplementasikan antarmuka Factory dan oleh karena itu dapat digunakan sebagai prototipe untuk membuat Population awal dan untuk membuat Genotypes acak baru. 

 import io . jenetics . BitChromosome ;
import io . jenetics . BitGene ;
import io . jenetics . Genotype ;
import io . jenetics . engine . Engine ;
import io . jenetics . engine . EvolutionResult ;
import io . jenetics . util . Factory ;

public class HelloWorld {
    // 2.) Definition of the fitness function.
    private static Integer eval ( Genotype < BitGene > gt ) {
        return gt . chromosome ()
            . as ( BitChromosome . class )
            . bitCount ();
    }

    public static void main ( String [] args ) {
        // 1.) Define the genotype (factory) suitable
        //     for the problem.
        Factory < Genotype < BitGene >> gtf =
            Genotype . of ( BitChromosome . of ( 10 , 0.5 ));

        // 3.) Create the execution environment.
        Engine < BitGene , Integer > engine = Engine
            . builder ( HelloWorld :: eval , gtf )
            . build ();

        // 4.) Start the execution (evolution) and
        //     collect the result.
        Genotype < BitGene > result = engine . stream ()
            . limit ( 100 )
            . collect ( EvolutionResult . toBestGenotype ());

        System . out . println ( "Hello World: n " + result );
    }
}

Berbeda dengan implementasi GA lainnya, perpustakaan menggunakan konsep aliran evolusi ( EvolutionStream ) untuk menjalankan langkah-langkah evolusi. Karena EvolutionStream mengimplementasikan antarmuka Java Stream, ia bekerja dengan lancar dengan API streaming Java lainnya. Sekarang mari kita lihat lebih dekat daftar di atas dan diskusikan program sederhana ini selangkah demi selangkah:

  1. Bagian yang mungkin paling menantang, ketika menyiapkan Engine evolusi baru, adalah mengubah domain masalah menjadi representasi Genotype (pabrik) yang sesuai. Dalam contoh kita, kita ingin menghitung jumlah BitChromosome . Karena kita hanya menghitung satu kromosom, kita hanya menambahkan satu BitChromosome ke Genotype kita. Secara umum Genotype dapat dibuat dengan 1 sampai n kromosom.

  2. Setelah ini selesai, fungsi kebugaran yang harus dimaksimalkan dapat ditentukan. Memanfaatkan fitur bahasa baru yang diperkenalkan di Java 8, kami cukup menulis metode statis pribadi, yang mengambil genotipe yang kami tentukan dan menghitung nilai kebugarannya. Jika kita ingin menggunakan metode penghitungan bit yang dioptimalkan, bitCount() , kita harus melemparkan kelas Chromosome<BitGene> ke kelas BitChromosome yang sebenarnya digunakan. Karena kita tahu pasti bahwa kita membuat Genotipe dengan BitChromosome , hal ini dapat dilakukan dengan aman. Referensi ke metode eval kemudian digunakan sebagai fungsi kebugaran dan diteruskan ke metode Engine.build .

  3. Pada langkah ketiga kita menciptakan Engine evolusi, yang bertanggung jawab untuk mengubah, mengembangkan, suatu populasi tertentu. Engine ini sangat dapat dikonfigurasi dan mengambil parameter untuk mengendalikan lingkungan evolusioner dan komputasi. Untuk mengubah perilaku evolusi, Anda dapat mengatur pengubah dan penyeleksi yang berbeda. Dengan mengubah layanan Executor yang digunakan, Anda mengontrol jumlah thread; Mesin diperbolehkan untuk digunakan. Instance Engine baru hanya dapat dibuat melalui pembuatnya, yang dibuat dengan memanggil metode Engine.builder .

  4. Pada langkah terakhir, kita dapat membuat EvolutionStream baru dari Engine kita. EvolutionStream adalah model atau pandangan dari proses evolusi. Ini berfungsi sebagai "pegangan proses" dan juga memungkinkan Anda, antara lain, untuk mengontrol penghentian evolusi. Dalam contoh kami, kami hanya memotong aliran setelah 100 generasi. Jika Anda tidak membatasi alirannya, EvolutionStream tidak akan berhenti dan berjalan selamanya. Karena EvolutionStream memperluas antarmuka java.util.stream.Stream , ia terintegrasi dengan lancar dengan Java Stream API lainnya. Hasil akhirnya, Genotype terbaik dalam contoh kita, kemudian dikumpulkan dengan salah satu kolektor kelas EvolutionResult yang telah ditentukan sebelumnya.

Gambar yang berkembang

Contoh ini mencoba memperkirakan gambar tertentu dengan poligon semitransparan. Muncul dengan Swing UI, di mana Anda dapat segera memulai eksperimen Anda sendiri. Setelah mengumpulkan sumber dengan 

 $ ./gradlew compileTestJava

Anda dapat memulai contoh dengan menelepon 

 $ ./jrun io.jenetics.example.image.EvolvingImages

Gambar sebelumnya menunjukkan GUI setelah mengembangkan gambar default selama sekitar 4.000 generasi. Dengan tombol »Buka", dimungkinkan untuk memuat gambar lain untuk poligonisasi. Tombol "Simpan" memungkinkan penyimpanan gambar poligon dalam format PNG ke disk. Di tombol UI, Anda dapat mengubah beberapa parameter GA pada contoh.

Proyek menggunakan Jenetics

  • SPEAR : SPEAR (Prognosis Cerdas Energi dengan Alokasi Sumber Daya) menciptakan platform yang dapat diperluas untuk optimalisasi energi dan efisiensi sistem produksi.
  • Renaissance Suite : Renaissance adalah rangkaian benchmark yang modern, terbuka, dan terdiversifikasi untuk JVM, yang ditujukan untuk menguji kompiler JIT, pengumpul sampah, profiler, penganalisis, dan alat lainnya.
  • APP4MC : Eclipse APP4MC adalah platform untuk rekayasa sistem perangkat lunak multi-inti dan banyak inti yang tertanam.

Blog dan artikel

  • Schachprobleme komponieren mit Evolutionären Algorithmen, oleh Jakob Leck , Des 2023, Die Schwalbe 324-2, hlm.373-380. Komposisi dan penyelesaian soal catur dengan jumlah perdamaian yang lebih banyak dari biasanya. Alih-alih pendekatan brute force, GA digunakan untuk memecahkan masalah (Jerman).
  • Memecahkan Masalah Knapsack dengan Perpustakaan Jenetics, oleh Craftcode Crew , 13 Mei 2021
  • 一种基于Jenetics的遗传算法程序设计,电脑知识与技术 2018年22期 oleh 王康, 26 November 2018
  • Pengantar Perpustakaan Jenetics, oleh baeldung , 11 April 2017
  • Cara Menyelesaikan Masalah Sulit Menggunakan Algoritma Genetika, oleh Tzofia Shiftan , 6 April 2017
  • Algoritma genetika dengan Java, oleh William Antônio , 10 Januari 2017
  • Jenetics 설치 및 예제, oleh JDM , 8 Mei 2015
  • 유전 알고리즘 (Algoritma Genetika), oleh JDM , 2 April 2015

Kutipan

Vincent A.Cicirello. Komputasi Evolusi Sumber Terbuka dengan Chips-n-Salsa. Ilmu Komputer, Sekolah Bisnis, Universitas Stockton. Desember 2024.

...

  1. Vincent A.Cicirello. Komputasi Evolusi Sumber Terbuka dengan Chips-n-Salsa. Ilmu Komputer, Sekolah Bisnis, Universitas Stockton. Desember 2024.
  2. S. Gruber, P. Feichtenschlager, C. Fabianek, E. Gringinger dan CG Schuetz. Menuju Pengoptimal Heuristik untuk Sistem Manajemen Waktu Target dalam Manajemen Arus Lalu Lintas Udara. Konferensi Sistem Avionik Digital (DASC) AIAA DATC/IEEE ke-43 2024, San Diego, CA, AS, 2024, hlm.1-10. November 2024.
  3. Šimić, G., Jevremović, A., Strugarević, D. Peningkatan Proses Pengajaran Menggunakan Algoritma Genetika. Dalam: Perakovic, D., Knapcikova, L. (eds) Pengaktif Akses Masa Depan untuk Infrastruktur yang Ada di Mana-Mana dan Cerdas. LUAR BIASA 2024. Catatan Kuliah Institut Ilmu Komputer, Teknik Informatika Sosial dan Telekomunikasi, vol 596. Oktober 2024.
  4. Dimitris G. Mintisa ∙ Nikolaos Cheimariosa ∙ Andreas Tsoumanisa ∙ Anastasios G. Papadiamantisa ∙ Nico W. van den Brinkd ∙ Henk J. van Lingene ∙ Georgia Melagrakif ∙ Iseult Lynchb ∙ Antreas Afantitis. NanoBioAccumulate: Memodelkan serapan dan bioakumulasi bahan nano di tanah dan invertebrata air melalui Enalos DIAGONAL Cloud Platform. Jurnal Bioteknologi Komputasi dan Struktural. Elsevier, 2001-0370. Oktober 2024.
  5. R. Jordão, F. Bahrami, Y. Yang, M. Becker, I. Sander dan K. Rosvall. Eksplorasi ruang desain tepat bebas preferensi multi-tujuan dari DSP statis pada platform multicore. Forum 2024 tentang Spesifikasi & Bahasa Desain (FDL), Stockholm, Swedia, 2024, hlm.1-9. September 2024.
  6. Jared Murphy dan Travis Desell. Meminimalkan Algoritma Pemrograman Genetik Berbasis Grafik EXA-GP untuk Peramalan Rangkaian Waktu yang Dapat Diinterpretasikan. Dalam Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusi (GECCO '24 Compution). Asosiasi Mesin Komputasi, New York, NY, AS, 1686–1690. Agustus 2024.
  7. Jared Murphy, Devroop Kar, Joshua Karns, dan Travis Desell. EXA-GP: Menyatukan Pemrograman Genetik Berbasis Grafik dan Neuroevolusi untuk Peramalan Rangkaian Waktu yang Dapat Dijelaskan. Dalam Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusi (GECCO '24 Compution). Asosiasi Mesin Komputasi, New York, NY, AS, 523–526. Agustus 2024.
  8. Sebastian Gruber, Paul Feichtenschlager, dan Christoph G. Schuetz. Menggunakan Algoritma Genetika untuk Optimalisasi Pelestarian Privasi dari Masalah Penugasan Multi-Tujuan dalam Pengaturan Kritis Waktu: Aplikasi dalam Manajemen Arus Lalu Lintas Udara. Dalam Prosiding Konferensi Komputasi Genetik dan Evolusioner (GECCO '24). Asosiasi Mesin Komputasi, New York, NY, AS, 1246–1254. Juli 2024.
  9. Jianghao Wang, Clay Stevens, Brooke Kidmose, Myra B. Cohen & Hamid Bagheri. Analisis Evolusioner Spesifikasi Paduan dengan Fungsi Kebugaran Adaptif. Rekayasa Perangkat Lunak Berbasis Pencarian. SSBSE 2024. Catatan Kuliah Ilmu Komputer, vol 14767. Springer. Juli 2024.
  10. Bernhard J.Berger; Christina Montok; Lauren Paul; Rolf Drechsler. EvoAl — Optimasi Domain Tanpa Kode. Konferensi Komputasi Genetik dan Evolusioner (GECCO-2024). Juli 2024.
  11. Christina Plump, Daniel C. Hoinkiss, Jörn Huber, Bernhard J. Berger, Matthias Günther, Christoph Lüth, Rolf Drechsler. Menemukan rangkaian MRI yang sempurna untuk pasien Anda --- Menuju alur kerja optimalisasi rangkaian MRI. IEEE WCCI 2024. Juni 2024.
  12. Milan Čugurović, Milena Vujošević Janičić, Vojin Jovanović, Thomas Würthinger. GraalSP: Profiler statis berbasis pembelajaran mesin Polyglot, efisien, dan tangguh. Jurnal Sistem dan Perangkat Lunak, Volume 213, 2024, 112058, ISSN 0164-1212. Juli. 2024.
  13. Wenwen Feng, Xiaohui Lei, Yunzhong Jiang, Chao Wang, Weihong Liao, Hao Wang, Gong Xinghui, Yu Feng. Menggabungkan model pengendalian prediktif dan pengendalian berbasis aturan untuk pengendalian sistem sungai perkotaan secara real-time. Jurnal Hidrologi, 2024, 131228, ISSN 0022-1694. April 2024.
  14. S. Sint, A. Mazak-Huemer, M. Eisenberg, D. Waghubinger dan M. Wimmer. Optimalisasi Otomatis Rentang Toleransi untuk Identifikasi Status Runtime Berdasarkan Model. Transaksi IEEE pada Ilmu dan Teknik Otomasi. April. 2024.
  15. Cicirello, Vincent A. Komputasi Evolusioner: Teori, Teknik, dan Penerapan. Ilmu Terapan 14, no. 6: 2542. Maret 2024.
  16. Koitz-Hristov R, Sterner T, Stracke L, Wotawa F. Tentang kesesuaian cakupan yang diperiksa dan penyetelan parameter genetik dalam pengurangan rangkaian pengujian. J Softw Evol Proc. 2024;e2656. Februari 2024.
  17. Jordao, Rodolfo; Becker, Matias; Sander, Ingo. IDeSyDe: Eksplorasi Ruang Desain Sistematis melalui Identifikasi Ruang Desain. Transaksi ACM pada Otomasi Desain Sistem Elektronik. Februari 2024.
  18. Squillero, G., Tonda, A. Veni, Vidi, Evolvi komentar tentang “Jaws 30” WB Langdon. Program Genet Evolvable Mach 24, 24 (2023) November 2023.
  19. Eneko Osaba, Gorka Benguria, Jesus L. Lobo, Josu Diaz-de-Arcaya, Juncal Alonso, Iñaki Etxaniz. Mengoptimalkan Konfigurasi IaC: Studi Kasus Menggunakan Komputasi yang Terinspirasi Alam. CIIS 2023. November 2023.
  20. Sapra, D., Pimentel, AD Menjelajahi Sistem Multi-inti dengan Keandalan Seumur Hidup dan Pengorbanan Konsumsi Daya. Sistem Komputer Tertanam: Arsitektur, Pemodelan, dan Simulasi. SAMOS 2023. Catatan Kuliah Ilmu Komputer, vol 14385. Springer, Cham. November 2023.
  21. Syed Juned Ali, Jan Michael Laranjo, Dominik Bork. Kerangka Modularisasi Model Konseptual Berbasis Algoritma Genetik Generik dan Dapat Disesuaikan. Konferensi EDOC Internasional ke-27 (EDOC 2023) - Desain Perusahaan, Operasi dan Komputasi. September 2023.
  22. A. Elyasaf, E. Farchi, O. Margalit, G. Weiss dan Y. Weiss. Kriteria Cakupan Umum untuk Pengujian Urutan Kombinatorial. Transaksi IEEE pada Rekayasa Perangkat Lunak, vol. 49, tidak. 08, hal.4023-4034. Agustus 2023.
  23. Julien Amblard, Robert Filman, Gabriel Kopito. GPStar4: Kerangka kerja fleksibel untuk bereksperimen dengan pemrograman genetik. Pendamping OGECCO '23: Prosiding Konferensi Pendamping tentang Komputasi Genetik dan Evolusioner. Juli 2023.
  24. Garmendia, A., Bork, D., Eisenberg, M., Ferreira, T., Kessentini, M., Wimmer, M. Memanfaatkan Kecerdasan Buatan untuk Analisis dan Desain Perangkat Lunak Berbasis Model. Mengoptimalkan Proses Pengembangan Perangkat Lunak dengan Kecerdasan Buatan. Seri Komputasi Alami. Springer, Singapura. Juli 2023.
  25. Sikora, M., Smołka, M. Penerapan Algoritma Evolusi dan Pembelajaran Mesin dalam Harmonisasi Empat Bagian. Ilmu Komputasi – ICCS 2023. ICCS 2023. Catatan Kuliah Ilmu Komputer, vol 14073. Springer Juni 2023.
  26. Dolly Sapra dan Andy D. Pimentel. Menjelajahi Sistem Multi-inti dengan Keandalan Seumur Hidup dan Pengorbanan Konsumsi Daya. SAMOS '23. Mei 2023.
  27. Vipin Shukla, Mainak Bandyopadhyay. Optimalisasi parameter input sumber plasma yang digerakkan oleh ANN melalui algoritma evolusi yang terinspirasi dari alam. Sistem Cerdas dengan Aplikasi, Volume 18, 2023, 200200, ISSN 2667-3053. Mei 2023.
  28. P. Feichtenschlager, K. Schuetz, S. Jaburek, C. Schuetz, E. Gringinger. Penerapan Mekanisme Lelang untuk Pertukaran Slot ATFM yang Menjaga Privasi. Prosiding Konferensi Komunikasi, Navigasi dan Pengawasan Terpadu ke-23 (ICNS 2023), Washington DC, AS, 18-20 April 2023, IEEE Press, 12 halaman. April 2023.
  29. Christoph Laaber, Tao Yue, Shaukat Ali. Prioritas Microbenchmark Perangkat Lunak Berbasis Pencarian Multi-Tujuan. ArXiv/Ilmu Komputer/Rekayasa Perangkat Lunak. November 2022.
  30. Ricardo Ferreira Vilela, João Choma Neto, Victor Hugo Santiago Costa Pinto, Paulo Sérgio Lopes de Souza, Simone do Rocio Senger de Souza. Pengoptimalan yang terinspirasi oleh bio untuk mendukung pembuatan data pengujian perangkat lunak secara bersamaan. Konkurensi dan Komputasi: Latihan dan Pengalaman. November 2022.
  31. G. Mateeva, D. Parvanov, I. Dimitrov, I. Iliev dan T. Balabanov. Efisiensi Perpustakaan Perangkat Lunak Algoritma Genetika Pihak Ketiga dalam Komputasi Terdistribusi Seluler untuk Peramalan Rangkaian Waktu Keuangan. Konferensi Internasional Otomatisasi dan Informatika (ICAI) 2022. Oktober 2022.
  32. Guilherme Espada, Leon Ingelse, Paulo Canelas, Pedro Barbosa, Alcides Fonseca. Tipe data sebagai frontend yang lebih ergonomis untuk Pemrograman Genetik yang Dipandu Tata Bahasa. arXiv. Oktober 2022.
  33. Christoph G. Schuetz, Thomas Lorünser, Samuel Jaburek, Kevin Schuetz, Florian Wohner, Roman Karl & Eduard Gringinger. Arsitektur Terdistribusi untuk Optimasi Pelestarian Privasi Menggunakan Algoritma Genetika dan Komputasi Multipihak. CoopIS 2022: Sistem Informasi Koperasi hal 168–185. September 2022.
  34. Christina Plump, Bernhard J. Berger, Rolf Drechsler. Menggunakan kepadatan data pelatihan untuk meningkatkan algoritma evolusioner dengan fungsi kebugaran perkiraan. KONGRES DUNIA IEEE WCCI2022 TENTANG KECERDASAN KOMPUTASI. Juli 2022.
  35. Christina Plump, Bernhard J. Berger, Rolf Drechsler. Mengadaptasi operator mutasi dan rekombinasi ke hubungan peka jangkauan dalam data aplikasi dunia nyata. GECCO '22: Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusioner. Halaman 755–758. Juli 2022.
  36. Eric Medvet, Giorgia Nadizar, Luca Manzoni. JGEA: kerangka java modular untuk bereksperimen dengan komputasi evolusioner. GECCO '22: Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusioner. Halaman 2009–2018. Juli 2022.
  37. Moshe Sipper, Tomer Halperin, Itai Tzruia, Achiya Elyasaf. EC-KitY: Kit Alat Komputasi Evolusioner dengan Python dengan Integrasi Pembelajaran Mesin yang Mulus. arXiv:2207.10367v1 [cs.NE]. Juli 2022.
  38. A. Billedeaux dan B. DeVries. Menggunakan Hubungan Metamorf dan Algoritma Genetika untuk Menguji Perangkat Lunak Sumber Terbuka. Konferensi Internasional IEEE 2022 tentang Teknologi Informasi Elektro (eIT), 2022, hlm.342-345. Juli 2022.
  39. R. Koitz-Hristov, L. Stracke dan F. Wotawa. Cakupan yang Diperiksa untuk Pengurangan Test Suite – Apakah Upaya Ini Layak? Konferensi Internasional IEEE/ACM 2022 tentang Otomasi Pengujian Perangkat Lunak (AST), hal.6-16. Juni 2022.
  40. Abdessamed Ouessai, Mohammed Salem, Antonio M. Mora. Mengembangkan parameter pra-seleksi aksi untuk MCTS dalam game strategi waktu nyata. Komputasi Hiburan, Volume 42. April 2022.
  41. Musatafa Abbas Abbood Albadr, Sabrina Tiun, Masri Ayob, Fahad Taha AL-Dhief, Khairuddin Omar & Mhd Khaled Maen. Pengenalan emosi ucapan menggunakan mesin pembelajaran ekstrim algoritma genetika yang dioptimalkan. Alat dan Aplikasi Multimedia, Maret 2022.
  42. Christina Montok, Bernhard Berger, Rolf Drechsler. Memilih teknik yang tepat untuk pembatasan yang tepat - pendekatan khusus domain untuk menerapkan pembatasan ruang pencarian dalam algoritma evolusioner. LDIC-2022, Konferensi Internasional tentang Dinamika Logistik, Februari 2022.
  43. Quoc Nhat Han Tran, Nhan Quy Nguyen, Hicham Chehade, Lionel Amodeo, Farouk Yalaoui. Optimalisasi Janji Temu Rawat Jalan: Studi Kasus Layanan Kemoterapi. Ilmu Terapan/Komputasi dan Kecerdasan Buatan. Januari 2022.
  44. Achiya Elyasaf, Eitan Farchi, Oded Margalit, Gera Weiss, Yeshayahu Weiss. Pengujian Urutan Kombinatorial Menggunakan Pemrograman Perilaku dan Kriteria Cakupan Umum. Jurnal Sistem dan Perangkat Lunak. Januari 2022.
  45. Grup Frekuensi. D4.1 Laporan Konsep-Konsep Tercanggih yang Relevan. SLOTMACHINE - HASIL & PENGIRIMAN PUBLIK, Sering terjadi Desember 2021.
  46. Huang Wanjie, Wang Haotian, Xue Yibo. Penelitian Optimasi Model pengambilan di gudang berdasarkan algoritma genetika. Konferensi Internasional 2021 tentang Teknologi Informasi, Pendidikan dan Pembangunan (ICITED 2021). Desember 2021.
  47. Aalam Z., Kaur S., Vats P., Kaur A., ​​Saxena R. Analisis Komprehensif Upaya Pengujian Menggunakan Alat Pengujian Avisar untuk Perangkat Lunak Berorientasi Objek. Sistem Berkelanjutan yang Cerdas. Catatan Kuliah di Jaringan dan Sistem, vol 334. Springer, Singapura. Desember 2021.
  48. Anh Vu Vo, Debra F. Laefer, Jonathan Byrne. Optimalisasi Perencanaan Jalur Penerbangan LiDAR Perkotaan Menggunakan Algoritma Genetika dan Kerangka Komputasi Paralel Ganda. Penginderaan Jauh, Volume 13, Edisi 21. November 2021.
  49. Pozas N., Durán F. Tentang Skalabilitas Komposisi Aplikasi Berorientasi Layanan. ICSOC 2021: Komputasi Berorientasi Layanan hal 449-463 November 2021.
  50. Küster, T., Rayling, P., Wiersig, R. dkk. Optimalisasi multi-tujuan dari jadwal produksi hemat energi menggunakan algoritma genetika. Optimasi dan Rekayasa (2021). Oktober 2021.
  51. B. DeVries dan C. Trefftz. Pendekatan Pencarian Baru dan Pengujian Metamorf untuk Pembuatan Tes Otomatis. Lokakarya Internasional ke-14 IEEE/ACM 2021 tentang Pengujian Perangkat Lunak Berbasis Pencarian (SBST), 2021, hlm.8-11. Mei 2021.
  52. W. Geithner, Z. Andelkovic, O. Geithner, F. Herfurth, V. Rapp, A. Németh, F. Wilhelmstötter, AH Van Benschoten. OPTIMASI SUMBER ION MENGGUNAKAN ALGORITMA BI-OBJECTIVE GENETIC DAN MATRIX-PROFILE. IPAC2021 - Konferensi Akselerator Partikel Internasional ke-12. Mei 2021.
  53. C. Montok, BJ Berger dan R. Drechsler. Operator Rekombinasi dan Mutasi Sadar Korelasi Berbasis Domain untuk Aplikasi Dunia Nyata yang Kompleks. Kongres IEEE tentang Komputasi Evolusi (CEC) 2021, hal.540-548. Juli 2021.
  54. Sapra, D., Pimentel, AD Merancang jaringan saraf konvolusional dengan pelatihan evolusioner sedikit demi sedikit. Aplikasi Intell (2021). Juli 2021.
  55. Michela Lorandi, Leonardo Lucio Custode, Giovanni Iacca. Peningkatan genetik perutean dalam jaringan yang toleran terhadap penundaan. GECCO '21: Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusioner. Juli 2021, Halaman 35–36.
  56. Montok, Christina dan Berger, Bernhard J. dan Drechsler, Rolf. Meningkatkan algoritme evolusi dengan meningkatkan fungsi kebugaran perkiraan melalui interval prediksi. Kongres IEEE tentang Komputasi Evolusioner (IEEE CEC-2021). Juni 2021.
  57. Faltaous, Sarah, Abdulmaksoud, Aya, Kempe, Markus, Alt, Florian dan Schneegass, Stefan. GeniePutt: Meningkatkan keterampilan motorik manusia melalui stimulasi otot listrik. itu - Teknologi Informasi, vol. , TIDAK. , 2021. Mei 2021.
  58. Yiming Tang, Raffi Khatchadourian, Mehdi Bagherzadeh, Rhia Singh, Ajani Stewart, dan Anita Raja. Studi Empiris tentang Refactoring dan Hutang Teknis dalam Sistem Pembelajaran Mesin. Dalam Konferensi Internasional Rekayasa Perangkat Lunak, ICSE '21. Mei 2021.
  59. Arifin HH, Robert Ong HK, Dai J., Daphne W., Chimplee N. Rekayasa Lini Produk Berbasis Model dengan Algoritma Genetika untuk Pemilihan Komponen Otomatis. Dalam: Krob D., Li L., Yao J., Zhang H., Zhang X. (eds) Desain & Manajemen Sistem Kompleks. Pegas, Cham. April 2021.
  60. MICHELA LORANDI, LEONARDO LUCIO CUSTODE, dan GIOVANNI IACCA. Peningkatan Genetik Protokol Perutean untuk Jaringan Toleransi Penundaan. arXiv:2103.07428v1 Maret 2021.
  61. Amine Aziz-Alaoui, Carola Doerr, Johann Dreo. Menuju Desain Algoritma Otomatis Skala Besar dengan Mengintegrasikan Kerangka Benchmarking Modular. E arXiv:2102.06435 Februari 2021.
  62. Dominik Bork dan Antonio Garmendia dan Manuel Wimmer. Menuju Pendekatan Modularisasi Multi-Tujuan untuk Model Hubungan Entitas. ER 2020, Konferensi Internasional Pemodelan Konseptual ke-39. November 2020.
  63. Sarfarazi, S.; Deissenroth-Uhrig, M.; Bertsch, V. Agregasi Rumah Tangga dalam Sistem Energi Komunitas: Analisis dari Perspektif Pelaku dan Pasar. Energies 2020, 13, 5154. Oktober 2020.
  64. M. Šipek, D. Muharemagić, B. Mihaljević dan A. Radovan. Meningkatkan Kinerja Aplikasi Perangkat Lunak Berbasis Cloud dengan GraalVM dan Quarkus. Konvensi Internasional ke-43 tentang Teknologi Informasi, Komunikasi dan Elektronik (MIPRO) ke-43 tahun 2020, Opatija, Kroasia, 2020, hal.1746-1751. Oktober 2020.
  65. Vats P., Mandot M. Analisis Komprehensif untuk Validasi Alat Pengujian Berorientasi Objek AVISAR. Joshi A., Khosravy M., Gupta N. (eds) Pembelajaran Mesin untuk Analisis Prediktif. Catatan Kuliah di Jaringan dan Sistem, vol 141. Springer, Singapura. Oktober 2020.
  66. Thakur, K., Kumar, G. Teknik dan Aplikasi yang Terinspirasi Alam dalam Sistem Deteksi Intrusi: Kemajuan Terkini dan Perspektif yang Diperbarui. Arsip Metode Komputasi di bidang Teknik (2020). Agustus 2020.
  67. Nur Hidayah Mat Yasin, Abdul Sahli Fakhrudin, Abdul Wafie Afnan Abdul Hadi, Muhammad Harith Mohd Khairuddin, Noor Raihana Abu Sepian, Farhan Mohd Said, Norazwina Zainol. Perbandingan Metodologi Respon Permukaan dan Jaringan Syaraf Tiruan untuk Ekstraksi Pelarut Metil Ester Asam Lemak dari Limbah Ikan. Jurnal Internasional Pertanian Modern, Volume 9, No.3, 2020, ISSN: 2305-7246. September 2020.
  68. Cicirello, VA Chips-n-Salsa: Perpustakaan Java Algoritma Pencarian Lokal yang Dapat Disesuaikan, Hibridisasi, Iteratif, Paralel, Stokastik, dan Adaptif Mandiri. Jurnal Perangkat Lunak Sumber Terbuka, 5(52), 2448. Agustus 2020.
  69. Li, Yuanyuan; Carabelli, Stefano;Fadda, Edoardo; Manerba, Daniele; Tadei, Roberto; Terzo, Olivier. Pembelajaran Mesin dan Optimasi Penjadwalan Ulang Produksi di Industri 4.0. JURNAL INTERNASIONAL TEKNOLOGI MANUFAKTUR CANGGIH. - ISSN 1433-3015. Agustus 2020.
  70. Dolly Sapra dan Andy D. Pimentel. Algoritma Optimasi Evolusioner untuk Fungsi Tujuan yang Menjenuhkan Secara Bertahap. GECCO '20, Cancun, Meksiko. Juli. 2020.
  71. Dolly Sapra dan Andy D. Pimentel. Pelatihan Sedikit demi Sedikit Evolusi untuk Merancang Jaringan Syaraf Konvolusional. IEA/AIE 2020 – Kitakyushu, Jepang. Juli. 2020.
  72. Femi Emmanuel Ayo, Sakinat Oluwabukonla Folorunso, Adebayo A. Abayomi-Alli, Adebola Olayinka Adekunle, Joseph Bamidele Awotunde. Deteksi intrusi jaringan berdasarkan model pembelajaran mendalam yang dioptimalkan dengan pemilihan fitur hibrid berbasis aturan. Jurnal Keamanan Informasi: Perspektif Global. Mei 2020.
  73. Zainol N., Fakharudin AS, Zulaidi NIS Optimasi Model Menggunakan Algoritma Kecerdasan Buatan untuk Degradasi Limbah Makanan Secara Biologis. Yaser A. (eds) Kemajuan Teknologi Pengolahan Sampah. Springer, Singapura. Mei 2020.
  74. Sonya Voneva, Manar Mazkatli, Johannes Grohmann dan Anne Koziolek. Mengoptimalkan Ketergantungan Parametrik untuk Ekstraksi Model Kinerja Tambahan. Institut Teknologi Karlsruhe, Karlsruhe, Jerman. April. 2020.
  75. Raúl Lara-Cabrera, Ángel González-Prieto, Fernando Ortega dan Jesús Bobadilla. Penyaringan Kolaboratif Berbasis Faktorisasi Matriks yang Berkembang Menggunakan Pemrograman Genetik. MDPI, Ilmu Terapan. Februari 2020.
  76. Humm BG, Hutter M. Pola Pembelajaran Deteksi Peristiwa Kompleks pada Data Sensor Robot. Optimasi dan Pembelajaran. OLA 2020. Komunikasi dalam Ilmu Komputer dan Informasi, vol 1173. Springer Februari 2020.
  77. Erich C. Teppan, Giacomo Da Col. Algoritma Genetika untuk Membuat Aturan Pengiriman Job Shop Besar. Kemajuan dalam Integrasi Metode Cerdas. Inovasi Cerdas, Sistem dan Teknologi, vol 170. Springer, Singapura. Januari 2020.
  78. Ricardo Pérez-Castillo, Francisco Ruiz, Mario Piattini. Sistem pendukung pengambilan keputusan untuk Pemodelan Arsitektur Perusahaan. Sistem Pendukung Keputusan. Januari 2020.
  79. Sabrina Appel, Wolfgang Geithner, Stephan Reimann, Mariusz Sapinski, Rahul Singh dan Dominik Vilsmeier. Penerapan algoritme pengoptimalan yang terinspirasi alam dan pembelajaran mesin untuk sinkrotron ion berat. Jurnal Internasional Fisika Modern A. Desember 2019.
  80. OM Elzeki, MF Alrahmawy, Samir Elmougy. Algoritma Perolehan Informasi dan Genetika Hibrida Baru untuk Menghitung Nilai yang Hilang dalam Kumpulan Data Gen Kanker. PInternational Journal of Intelligent Systems and Application (IJISA), Vol.11, No.12, pp.20-33, DOI: 10.5815/ijisa.2019.12.03. Desember 2019.
  81. Oliver Strauß, Ahmad Almheidat dan Holger Kett. Menerapkan Strategi Heuristik dan Pembelajaran Mesin pada Resolusi Produk. Prosiding Konferensi Internasional ke-15 tentang Sistem dan Teknologi Informasi Web (WEBIST 2019), halaman 242-249. November 2019.
  82. Yuanyuan Li, Stefano Carabelli, Edoardo Fadda, Daniele Manerba, Roberto Tadei1 dan Olivier Terzo. Integrasi Teknik Pembelajaran Mesin dan Optimasi untuk Penjadwalan Ulang Job-Shop yang Fleksibel di Industri 4.0. Politecnico di Torino, Grup Riset Operasi dan Optimasi. Oktober 2019.
  83. Höttger R., Igel B., Spinczyk O. Distribusi Perangkat Lunak Terbatas untuk Sistem Otomotif. Komunikasi dalam Ilmu Komputer dan Informasi, vol 1078. Oktober 2019.
  84. Jin-wooLee, Gwangseon Jang, Hohyun Jung, Jae-Gil Lee, Uichin Lee. Memaksimalkan kecepatan dan keandalan pekerjaan MapReduce di cloud seluler dengan mengoptimalkan alokasi tugas. Komputasi Pervasif dan Seluler. Oktober 2019.
  85. Krawczyk, Lukas, Mahmoud Bazzal, Ram Prasath Govindarajan dan Carsten Wolff. Analisis Waktu Berbasis Model dan Optimasi Penerapan untuk Sistem Multi-core Heterogen menggunakan Eclipse APP4MC. Konferensi Internasional ke-22 ACM/IEEE 2019 tentang Bahasa dan Sistem Rekayasa Berbasis Model Pendamping: 44-53. September 2019.
  86. Junio ​​Cezar Ribeiro da Silva, Lorena Leão, Vinicius Petrucci, Abdoulaye Gamatié, Fernando MagnoQuintao Pereira. Penjadwalan dalam Arsitektur Heterogen melalui Regresi Linier Multivariat pada Input Fungsi. lirmm-02281112. September 2019.
  87. Eric O.Scott, Sean Luke. ECJ di usia 20: menuju perangkat metaheuristik umum. GECCO '19: Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusioner, Halaman 1391–1398. Juli 2019.
  88. Francisco G. Montoya dan Raúl Baños Navarro (Eds.). Metode Optimasi yang Diterapkan pada Sistem Tenaga Listrik, Volume 2. Buku MDPI, ISBN 978-3-03921-156-2. Juli 2019.
  89. Höttger, Robert & Ki, Junhyung & Bui, Bao & Igel, Burkhard & Spinczyk, Olaf. Waktu Respons CPU-GPU dan Analisis Pemetaan untuk Sistem Otomotif Berkinerja Tinggi. Lokakarya Internasional ke-10 tentang Alat Analisis dan Metodologi untuk Sistem Tertanam dan Real-time (WATERS) berlokasi bersamaan dengan Konferensi Euromicro tentang Sistem Real-Time (ECRTS'19) ke-31. Juli 2019.
  90. Maxime Cordy, Steve Muller, Mike Papadakis, dan Yves Le Traon. Pengujian berbasis pencarian dan peningkatan sistem deteksi anomali berbasis pembelajaran mesin. Prosiding Simposium Internasional ACM SIGSOFT ke-28 tentang Pengujian dan Analisis Perangkat Lunak (ISSTA 2019). ACM, New York, NY, AS, 158-168. Juli 2019.
  91. Michael Vistein, Jan Faber, Clemens Schmidt-Eisenlohr, Daniel Reiter. Penanganan Otomatis Bahan Penolong menggunakan Sistem Pencengkeram Multi-Kinematik. Manufaktur Procedia Volume 38, 2019, Halaman 1276-1283. Juni 2019.
  92. Nikolaos Nikolakis, Ioannis Stathakis, Sotirios Makris. Tentang sistem informasi evolusioner untuk dukungan yang dipersonalisasi kepada operator pembangkit listrik. Konferensi CIRP tentang Sistem Manufaktur (CMS) ke-52, Ljubljana, Slovenia. Juni 2019.
  93. Michael Trotter, Timothy Wood dan Jinho Hwang. Meramalkan Badai: Meramalkan Konfigurasi Optimal menggunakan Algoritma Genetika dan Pembelajaran yang Diawasi. Konferensi Internasional IEEE ke-13 tentang Sistem Adaptif dan Pengorganisasian Mandiri (SASO 2019). Juni 2019.
  94. Krawczyk, Lukas & Bazzal, Mahmoud & Prasath Govindarajan, Ram & Wolff, Carsten. Pendekatan analitis untuk menghitung waktu respons ujung ke ujung dalam aplikasi mengemudi otonom. Lokakarya Internasional ke-10 tentang Alat Analisis dan Metodologi untuk Sistem Tertanam dan Real-time (WATERS 2019). Juni 2019.
  95. Rodolfo Ayala Lopes, Thiago Macedo Gomes, dan Alan Robert Resende de Freitas. Platform perangkat lunak algoritma evolusioner simbolis. Prosiding Pendamping Konferensi Komputasi Genetik dan Evolusioner (GECCO '19). Juli 2019.
  96. Aleksandar Prokopec, Andrea Rosà, David Leopoldseder, Gilles Duboscq, Petr Tůma, Martin Studener, Lubomír Bulej, Yudi Zheng, Alex Villazón, Doug Simon, Thomas Würthinger, Walter Binder. Renaissance: Rangkaian Pembandingan untuk Aplikasi Paralel di JVM. PLDI '19, Phoenix, AZ, AS. Juni 2019.
  97. Robert Höttger, Lukas Krawczyk, Burkhard Igel, Olaf Spinczyk. Analisis Pemetaan Memori untuk Sistem Otomotif. Prosiding Presentasi Singkat (RTAS 2019). April 2019.
  98. Al Akkad, MA, & Gazimzyanov, FF SISTEM OTOMATIS UNTUK EVALUASI KARAKTERISTIK KOMPOSISI GAMBAR 2D: KONFIGURASI MODEL MATEMATIKA. Intelek. Kakak. Proizv., 17(1), 26-33. doi: 10.22213/2410-9304-2019-1-26-33. April 2019.
  99. Alcayde, A.; Banos, R.; Arrabal-Campos, FM; Montoya, FG Optimalisasi daya listrik yang dikontrak dengan menggunakan algoritma genetika. Energi, Volume 12, Edisi 7, April 2019.
  100. Abdul Sahli Fakharudin, Norazwina Zainol, Zulyazwan Ahmad Khushairi. Pemodelan dan optimalisasi biodelignifikasi inti bagasi minyak menggunakan jaringan saraf dan algoritma genetika. IEEA '19: Prosiding Konferensi Internasional ke -8 tentang Informatika, Lingkungan, Energi dan Aplikasi; Halaman 155–158, Maret 2019.
  101. Aleksandar Prokopec, Andrea Rosà, David Leopoldseder, Gilles Duboscq, Petr Tůma, Martin Studener, Lubomír Bulej, Yudi Zheng, Alex Villazón, Doug Simon, Thomas Wueghinger, Walter Binder. Saat mengevaluasi rangkaian pembandingan Renaissance: variasi, kinerja, dan kompleksitas. Universitas Cornell: Bahasa Pemrograman, Maret 2019.
  102. S. Appel, W. Geithner, S. Reimann, M Sapinski, R. Singh, DM Vilsmeier Optimalisasi Synchrotron Ion Berat Menggunakan Algoritma dan Pembelajaran Mesin yang Diilhami Nature dan Pembelajaran Mesin. Int 13th. Configational Accelerator Physics Conf., Februari 2019.
  103. Saad, Christian, Bernhard Bauer, Ulrich R Mansmann, dan Jian Li. Autoanalisis dalam biologi sistem. Wawasan Bioinformatika dan Biologi, Januari 2019.
  104. Gandeva Bayu Satrya, Soo Young Shin. Pendekatan komputasi evolusi untuk mengoptimalkan penjadwalan superframe pada jaringan sensor nirkabel industri. Cornell University, Desember 2018.
  105. HR Maier, S. Razavi, Z. Kapelan, LS Matott, J. Kasprzyk, BA Tolson. Tinjauan pengantar: Optimalisasi menggunakan algoritma evolusi dan metaheuristik lainnya. Pemodelan & Perangkat Lunak Lingkungan, Desember 2018.
  106. Erich C. Teppan dan Giacomo da Col. Generasi Otomatis dari Peraturan Pengiriman untuk Toko Pekerjaan Besar Dengan Menggunakan Algoritma Genetika. CIMA 2018, Lokakarya Internasional tentang Kombinasi Metode dan Aplikasi Cerdas, November 2018.
  107. Pasquale Salzaa, Filomena ferrucci. Mempercepat algoritma genetika di cloud menggunakan wadah perangkat lunak. Sistem Komputer Generasi Masa Depan, Oktober 2018.
  108. Ghulam Mubashar Hassan dan Mark Reynolds. Algoritma genetika untuk penjadwalan dan optimalisasi jaringan kereta bijih. GCAI-2018. Konferensi Global ke -4 tentang Kecerdasan Buatan, September 2018.
  109. Drezewski, Rafal & Kruk, Sylwia & Makowka, Maciej. Optimalisasi evolusi dari pengembalian perusahaan atas faktor ekuitas: terhadap sistem yang terinspirasi bio-terinspirasi agen yang mendukung keputusan keuangan perusahaan. Akses IEEE. 6. 10.1109/Access.2018.2870201, Sep 2018.
  110. Arifin, HH, Chimpplee, N., Kit Robert Ong, H., Daengdej, J. dan Stortrakul, T. Pemilihan komponen otomatis sintesis desain untuk arsitektur fisik dengan rekayasa sistem berbasis model menggunakan trade -off evolusi. Incose International Simposium, 28: 1296-1310, Agustus 2018.
  111. Ong, Robert & Stortrakul, Thotsapon. Perbandingan metode seleksi algoritma genetika untuk pemilihan komponen otomatis sintesis desain dengan rekayasa sistem berbasis model. Konferensi: I-Seec 2018, Mei 2018.
  112. Stephan Pirnbaum. Die Evolution IM Algorithmus - Teil 2: Multikriterielle Optimierung und Architekturerkennung. JAVASPRRUM 03/2018, hlm 66–69, Mei 2018.
  113. W. Geithner, Z. Andelkovic, S. Appel, O. Geithner, F. Herfurth, S. Reimann, G. Vorobjev, F. Wilhelmstötter. Algoritma genetika untuk optimasi mesin di lingkungan sistem kontrol yang adil. Konferensi Akselerator Partikel Internasional ke -9 (IPAC'18), Mei 2018.
  114. Stephan Pirnbaum. Die Evolution IM Algorithmus - Teil 1: Grundlagen. JAVASPAKTRUM 01/2018, hlm 64–68, Januari 2018.
  115. Alexander Felfernig, Rouven Walter, José A. Galindo, David Benavides, Seda Polat Erdeniz, Müslüm ATAS, Stefan Reiterer. Diagnosis kapan saja untuk konfigurasi ulang. Jurnal Sistem Informasi Cerdas, hlm 1–22, Januari 2018.
  116. Bruce A. Johnson. Dari data mentah ke pergeseran kimia backbone protein menggunakan pemrosesan NMRFX dan analisis NMRVIEWJ. Protein NMR: Metode dan Protokol, hlm. 257--310, Springer New York, November 2017.
  117. Cuadra P., Krawczyk L., Höttger R., Heisig P., Wolff C. Penjadwalan otomatis untuk sistem multi-core tertanam yang ditanam erat menggunakan algoritma genetika hibrida. Teknologi Informasi dan Perangkat Lunak: Konferensi Internasional ke -23, ICIST 2017, Druskininkai, Lithuania. Komunikasi dalam Ilmu Komputer dan Informasi, Vol 756. Springer, Cham, September 2017.
  118. Michael Trotter, Guyue Liu, Timothy Wood. Into the Storm: Descrying Konfigurasi Optimal Menggunakan Algoritma Genetika dan Optimalisasi Bayesian. Yayasan dan Aplikasi Sistem Self* (FAS* W), 2017 IEEE 2nd International Workshops September 2017.
  119. Emna Hachicha, Karn Yongsiriwit, Mohamed Sellami. Alokasi sumber daya cloud yang dapat dikonfigurasi berdasarkan genetik dalam pengembangan proses bisnis yang sadar QoS. Teknologi Informasi dan Perangkat Lunak: Konferensi Internasional ke -23, ICIST 2017, Druskininkai, Lithuania. Layanan Web (ICWS), Konferensi Internasional IEEE 2017, Juni 2017.
  120. Abraão G. Nazário, Fábio Ra Silva, Raimundo Teive, Leonardo Villa, Antônio Flávio, João Zico, Eire Fragoso, Ederson F. Souza. Autoutão Domótica Simulada Utilizando Algoritmo Genético Especializado na Redução do Consumo de Energia. Computer on the Beach 2017 hlm. 180-189, Maret 2017.
  121. Teknik Bandaru, S. dan Deb, K. Metaheuristik. Ilmu Pengambilan Keputusan. CRC Press, hlm. 693-750, November 2016.
  122. Lyazid Toumi, Abdeluahab Moussaoui, dan Ahmet Ugur. EMED-Part: Metodologi yang efisien untuk partisi horizontal di gudang data. Prosiding Konferensi Internasional tentang Pemrosesan Informasi Cerdas, Keamanan dan Komunikasi Lanjutan. Djallel Eddine Boubiche, Faouzi Hidoussi, dan Homero Toral Cruz (Eds.). ACM, New York, NY, AS, Artikel 43, 7 halaman, 2015.
  123. Andreas Holzinger (editor), IGO Jurisica (editor). Penemuan Pengetahuan Interaktif dan Penambangan Data dalam Informatika Biomedis. Catatan Kuliah dalam Ilmu Komputer, Vol. 8401. Springer, 2014.
  124. Lyazid Toumi, Abdeluahab Moussaoui, Ahmet Ugur. Optimasi Partikel Swarm untuk Bitmap Bergabung dengan Indeks Masalah Seleksi di Gudang Data. The Journal of Supercomputing, Volume 68, Edisi 2, hlm 672-708, Mei 2014.
  125. Tang Yi (Guangzhou Power Supply Bureau Limited, Guangzhou 511400, Cina) Studi tentang algoritma optimasi alokasi kompensasi reaktif yang berorientasi objek untuk jaringan distribusi , Oktober 2012.
  126. John M. Linebarger, Richard J. Detry, Robert J. Glass, Walter E. Beyeler, Arlo L. Ames, Patrick D. Finley, S. Louise Maffitt. Sistem Adaptif Kompleks Sistem Rekayasa Lingkungan Versi 1.0. Sand Report, Februari 2012.

Catatan rilis

8.1.0

Perbaikan

  • #822: Tingkatkan skrip build untuk menghasilkan Javadoc gabungan.
  • #898: Tambahkan dukungan untuk membaca data dari file atau string CSV. Ini menyederhanakan kode untuk masalah regresi. 
 static List < Sample < Double >> parseDoubles ( final CharSequence csv ) {
	return CsvSupport . parseDoubles ( csv ). stream ()
		. map ( Sample :: ofDouble )
		. toList ();
}
  • #904: Tingkatkan ke Gradle 8.10 dan pembersihan skrip build.
  • #907: Tambahkan bab dalam manual pengguna untuk strategi optimasi: jenetika praktis .
  • #909: Metode pembantu untuk mengonversi array primitif. 
 final Codec < int [], DoubleGene > codec = Codecs
    . ofVector ( DoubleRange . of ( 0 , 100 ), 100 )
    . map ( Conversions :: doubleToIntArray );

Bug

  • #419: Memperbaiki tes statistik yang rapuh.

8.0.0

Perbaikan

  • Java 21 digunakan untuk membangun dan menggunakan perpustakaan.
  • #878: Izinkan thread-virtual yang mengevaluasi fungsi kebugaran. Harus diaktifkan saat membuat Engine (lihat cuplikan kode di bawah), perilaku sebelumnya telah dipertahankan. 
 final Engine < DoubleGene , Double > engine = Engine . builder ( ff )
	. fitnessExecutor ( BatchExecutor . ofVirtualThreads ())
	. build ();
  • #880: Ganti contoh kode di Javadoc dengan JEP 413.
  • #886: Tingkatkan CharStore Sort.
  • #894: Operator genetik baru: ShiftMutator , ShuffleMutator , dan UniformOrderBasedCrossover .
  • #895: Meningkatkan pemilihan RandomGenerator default. RandomGenerator yang digunakan dipilih dalam urutan berikut:
    1. Periksa apakah parameter start io.jenetics.util.defaultRandomGenerator diatur. Jika demikian, ambil generator ini.
    2. Periksa apakah generator L64X256MixRandom tersedia. Jika demikian, ambil generator ini.
    3. Temukan generator acak terbaik yang tersedia sesuai dengan nilai RandomGeneratorFactory.stateBits() .
    4. Gunakan generator Random jika tidak ada generator terbaik yang dapat ditemukan. Generator ini dijamin tersedia di setiap platform.

Semua catatan rilis

Lisensi

Perpustakaan dilisensikan di bawah lisensi Apache, versi 2.0. 

 Copyright 2007-2024 Franz Wilhelmstötter

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.

Perangkat lunak yang digunakan

Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua