jeneticsダウンロード - jeneticsソースコードのダウンロード

ジェネティックス

Genetics は、現代の Java で書かれた、遺伝的アルゴリズム、進化的アルゴリズム、文法的進化、遺伝的プログラミング、および多目的最適化ライブラリです。これは、アルゴリズムのいくつかの概念 ( Gene 、 Chromosome 、 Genotype 、 Phenotype 、 Population度Functionなど) を明確に分離して設計されています。 Genetics を使用すると、特定のフィットネス関数を微調整することなく最小化および最大化できます。他の GA 実装とは対照的に、ライブラリは進化ステップを実行するために進化ストリーム ( EvolutionStream ) の概念を使用します。 EvolutionStream Java Stream インターフェースを実装しているため、残りの Java Stream API とスムーズに動作します。

その他の言語

Jenetics.Net : 基本ライブラリの C# での実験的な .NET Core ポート。
Helisa : Jenetics ライブラリの Scala ラッパー。

ドキュメント

このライブラリは完全に文書化されており (javadoc)、ユーザーマニュアル (pdf) が付属しています。

ビルドジェネティクス

Genetics をコンパイルして実行するには、少なくともJava 21 が必要です。

GitHub から master ブランチを確認してください。

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

Genetics はビルドシステムとして Gradle を使用し、ソースをサブプロジェクト (モジュール) に編成します。各サブプロジェクトは独自のサブディレクトリにあります。

公開されたプロジェクト

次のプロジェクト/モジュールも Maven に公開されます。

jenetics : このプロジェクトには、Jenetics コアモジュールのソースコードとテストが含まれています。
jenetics.ext : このモジュールには、追加の非標準GA 操作とデータ型が含まれています。また、多目的問題 (MOEA) を解決したり、文法進化 (GE) を実行したりするためのクラスも含まれています。
jenetics.prog : モジュールには、遺伝的プログラミング (GP) を実行できるクラスが含まれています。既存のEvolutionStreamおよび Evolution Engineとシームレスに連携します。
jenetics.xml : Jenetics基本データ構造用の XML マーシャリングモジュール。

未公開プロジェクト

jenetics.example : このプロジェクトには、コアモジュールのサンプルコードが含まれています。
jenetics.doc : Web サイトのコードとマニュアルが含まれます。
jenetics.tool : このモジュールには、統合テストとアルゴリズムパフォーマンステストを実行するために使用されるクラスが含まれています。また、GA パフォーマンス測定値の作成や、パフォーマンス測定値からの図の作成にも使用されます。

ライブラリをビルドするには、 <builddir>ディレクトリ (またはモジュールディレクトリの 1 つ) に変更し、使用可能なタスクの 1 つを呼び出します。

applyJava : Jenetics ソースをコンパイルし、クラスファイルを<builddir>/<module-dir>/build/classes/mainディレクトリにコピーします。
jar : ソースをコンパイルし、JAR ファイルを作成します。アーティファクトは<builddir>/<module-dir>/build/libsディレクトリにコピーされます。
javadoc : API ドキュメントを生成します。 Javadoc は<builddir>/<module-dir>/build/docsディレクトリに保存されます。
test : 単体テストをコンパイルして実行します。テスト結果はコンソールに出力され、TestNG によって作成されたテストレポートが<builddir>/<module-dir>ディレクトリに書き込まれます。
clean : <builddir>/build/*ディレクトリを削除し、生成されたアーティファクトをすべて削除します。

ソース呼び出しからライブラリ jar を構築する場合

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

例

ハローワールド (ワンズカウンティング)

最小限のEvolution Engineセットアップには、遺伝子型ファクトリーFactory<Genotype<?>>とフィットネスFunction必要です。 Genotype Factoryインターフェイスを実装しているため、初期Population作成したり、新しいランダムGenotypes作成するためのプロトタイプとして使用できます。

 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 );
    }
}

他の GA 実装とは対照的に、ライブラリは進化ステップを実行するために進化ストリーム ( EvolutionStream ) の概念を使用します。 EvolutionStream Java Stream インターフェイスを実装しているため、残りの Java ストリーミング API とスムーズに動作します。ここで、上記のリストを詳しく見て、この単純なプログラムをステップごとに説明してみましょう。

新しい進化Engineセットアップするとき、おそらく最も難しい部分は、問題のドメインを適切なGenotype (ファクトリー) 表現に変換することです。この例では、 BitChromosomeの 1 の数を数えます。 1 つの染色体のものだけをカウントしているため、 GenotypeにBitChromosome 1 つだけ追加します。一般に、 Genotype 1 ～ n 個の染色体で作成できます。
これが完了すると、最大化されるべき適応度関数を定義できます。 Java 8 で導入された新しい言語機能を利用して、定義した遺伝子型を取得してその適合度値を計算するプライベート静的メソッドを作成するだけです。最適化されたビットカウントメソッドbitCount()を使用したい場合は、 Chromosome<BitGene>クラスを実際に使用されるBitChromosomeクラスにキャストする必要があります。 BitChromosomeを使用して Genotype を作成したことが確実にわかっているため、これを安全に行うことができます。次に、 eval メソッドへの参照が適応度関数として使用され、 Engine.buildメソッドに渡されます。
3 番目のステップでは、特定の集団を変更し、それぞれ進化させる役割を担う進化Engineを作成します。 Engine高度に構成可能であり、進化環境と計算環境を制御するためのパラメーターを受け取ります。進化の動作を変更するには、さまざまなオルタラーとセレクターを設定できます。使用するExecutorサービスを変更することで、スレッドの数を制御します。エンジンの使用が許可されます。新しいEngineインスタンスは、 Engine.builderメソッドを呼び出して作成されるビルダーを介してのみ作成できます。
最後のステップでは、 Engineから新しいEvolutionStreamを作成できます。 EvolutionStream 、進化プロセスのモデルまたはビューです。これは「プロセスハンドル」として機能し、特に、進化の終了を制御することもできます。この例では、100 世代後にストリームを単純に切り捨てます。ストリームを制限しない場合、 EvolutionStream終了せず、永久に実行されます。 EvolutionStream java.util.stream.Streamインターフェースを拡張しているため、残りの Java Stream API とスムーズに統合されます。最終結果 (この例では最良のGenotypeは、 EvolutionResultクラスの事前定義されたコレクターの 1 つを使用して収集されます。

進化するイメージ

この例では、指定された画像を半透明のポリゴンで近似しようとします。 Swing UI が付属しており、独自の実験をすぐに開始できます。ソースをコンパイルした後、

 $ ./gradlew compileTestJava

を呼び出すことで例を開始できます

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

前のイメージは、デフォルトイメージを約 4,000 世代にわたって進化させた後の GUI を示しています。「開く」ボタンを使用すると、ポリゴン化のために他の画像をロードすることができます。「保存」ボタンを使用すると、ポリゴン化された画像を PNG 形式でディスクに保存できます。 UI のボタンで、例の一部の GA パラメーターを変更できます。

Geneticsを使用したプロジェクト

SPEAR : SPEAR (Smart Prognosis of Energy with Allocation of Resources) は、生産システムのエネルギーと効率を最適化するための拡張可能なプラットフォームを作成しました。
Renaissance Suite : Renaissance は、JIT コンパイラー、ガベージコレクター、プロファイラー、アナライザー、その他のツールのテストを目的とした、JVM 用の最新のオープンで多様なベンチマークスイートです。
APP4MC : Eclipse APP4MC は、組み込みマルチコアおよびメニーコアソフトウェアシステムをエンジニアリングするためのプラットフォームです。

ブログと記事

Schachprobleme komponieren mitEVOLUTIONären Algorithmen、 Jakob Leck著、2023年12月、Die Schwalbe 324-2、373-380ページ。通常よりも多くのピースを使用してチェスの問題を構成および解決します。強引なアプローチの代わりに、GA を使用して問題を解決します (ドイツ語)。
Genetics ライブラリを使用したナップサック問題の解決、 Craftcode Crew著、2021 年 5 月 13 日
ジェネティックスに基づく一次設計、電気知識识と技術 2018 年 22 期 by 王康、2018 年 11 月 26 日
ジェネティクスライブラリの紹介、 baeldung著、2017 年 4 月 11 日
遺伝的アルゴリズムを使用して困難な問題を解決する方法、 Tzofia Shiftan著、2017 年 4 月 6 日
Java を使用した遺伝的アルゴリズム、 William Antônio著、2017 年 1 月 10 日
Genetics 설치 및 예제、 JDM著、2015 年 5 月 8 日
유전 알고리즘 (遺伝的アルゴリズム)、 JDM著、2015 年 4 月 2 日

引用

ヴィンセント・A・シシレロ。 Chips-n-Salsa を使用したオープンソースの進化的計算。ストックトン大学ビジネススクールコンピュータサイエンス卒業。 2024年12月。

...

ヴィンセント・A・シシレロ。 Chips-n-Salsa を使用したオープンソースの進化的計算。ストックトン大学ビジネススクールコンピュータサイエンス卒業。 2024年12月。
S. グルーバー、P. フェイヒテンシュラーガー、C. ファビアネック、E. グリンギンガー、CG シュッツ。航空交通流管理における目標時間管理システムのヒューリスティック最適化に向けて。 2024 AIAA DATC/IEEE 第 43 回デジタルアビオニクスシステム会議 (DASC)、米国カリフォルニア州サンディエゴ、2024 年、1-10 ページ。 2024年11月。
シミッチ、G.、ジェブレモヴィッチ、A.、ストルガレヴィッチ、D. 遺伝的アルゴリズムを使用した教育プロセスの改善。著: Perakovic, D.、Knapcikova, L. (編著) ユビキタスおよびインテリジェントインフラストラクチャのための将来のアクセスイネーブラー。 FABULOUS 2024. コンピュータサイエンス社会情報通信工学研究所講義ノート、第 596 巻、 2024 年 10 月。
ディミトリス・G・ミンティサ ∙ ニコラオス・ケイマリオーサ ∙ アンドレアス・ツォマニサ ∙ アナスタシオス・G・パパディアマンティサ ∙ ニコ・W・ファン・デン・ブリンクト ∙ ヘンク・J・ファン・リンゲネ ∙ ジョージア・メラグラキフ ∙ イゾルト・リンチブ ∙ アントレアス・アファンティティス。 NanoBioAccumulate: Enalos DIAGONAL クラウドプラットフォームを介して、土壌および水生無脊椎動物におけるナノマテリアルの取り込みと生物蓄積をモデル化します。計算および構造バイオテクノロジージャーナル。エルゼビア、2001-0370。 2024年10月。
R. ジョルダン、F. バフラミ、Y. ヤン、M. ベッカー、I. サンダー、K. ロズヴァル。マルチコアプラットフォーム上の静的 DSP の多目的の好みにとらわれない正確な設計空間の探索。 2024 仕様および設計言語に関するフォーラム (FDL)、ストックホルム、スウェーデン、2024 年、1 ～ 9 ページ。 2024年9月。
ジャレッド・マーフィーとトラヴィス・デセル。解釈可能な時系列予測のための EXA-GP グラフベースの遺伝的プログラミングアルゴリズムの最小化。遺伝的進化計算会議コンパニオン (GECCO '24 コンパニオン) の議事録。 Association for Computing Machinery、米国ニューヨーク州ニューヨーク、1686 ～ 1690 年。 2024年8月。
ジャレッド・マーフィー、デヴループ・カー、ジョシュア・カーンズ、トラヴィス・デセル。 EXA-GP: 説明可能な時系列予測のためのグラフベースの遺伝的プログラミングと神経進化の統合。遺伝的進化計算会議コンパニオン (GECCO '24 コンパニオン) の議事録。 Association for Computing Machinery、米国ニューヨーク州ニューヨーク、523–526。 2024年8月。
セバスティアン・グルーバー、ポール・ファイヒテンシュラーガー、クリストフ・G・シュッツ。タイムクリティカルな設定における多目的割り当て問題のプライバシー保護最適化のための遺伝的アルゴリズムの使用: 航空交通流管理への応用。遺伝進化計算会議議事録 (GECCO '24)。 Association for Computing Machinery、米国ニューヨーク州ニューヨーク、1246 ～ 1254 年。 2024 年 7 月。
ジャンハオ・ワン、クレイ・スティーブンス、ブルック・キッドモーズ、マイラ・B・コーエン、ハミッド・バゲリ。適応フィットネス機能による合金仕様の進化分析。検索ベースのソフトウェアエンジニアリング。 SSBSE 2024。コンピュータサイエンスの講義ノート、第 14767 巻、Springer。 2024 年 7 月。
ベルンハルト・J・バーガー;クリスティーナ・プランプ。ローレン・ポール。ロルフ・ドレクスラー。 EvoAl — コードレスのドメイン最適化。遺伝進化計算会議 (GECCO-2024)。 2024 年 7 月。
クリスティーナ・プランプ、ダニエル・C・ホインキス、ヨーン・フーバー、ベルンハルト・J・ベルガー、マティアス・ギュンター、クリストフ・ルース、ロルフ・ドレクスラー。患者に最適な MRI シーケンスを見つける --- MRI シーケンスの最適化ワークフローに向けて。 IEEE WCCI 2024。2024年 6 月。
ミラン・チュグロヴィッチ、ミレーナ・ヴヨシェヴィッチ・ヤニチッチ、ヴォジン・ヨバノヴィッチ、トーマス・ヴュルティンガー。 GraalSP: ポリグロットの効率的かつ堅牢な機械学習ベースの静的プロファイラー。 Journal of Systems and Software、第 213 巻、2024 年、112058、ISSN 0164-1212。 7月。 2024年。
フェン・ウェンウェン、レイ・シャオホイ、ジャン・ユンジョン、ワン・チャオ、リャオ・ウェイホン、ワン・ハオ、ゴン・シンフイ、ユー・フェン。都市河川システムのリアルタイム制御のためのモデル予測制御とルールベース制御を結合します。水文学ジャーナル、2024、131228、ISSN 0022-1694。 2024 年 4 月。
S. シント、A. マザック=ヒューマー、M. アイゼンバーグ、D. ワーグビンガー、M. ウィマー。モデル駆動型ランタイム状態識別のための許容範囲の自動最適化。オートメーション科学および工学に関する IEEE トランザクション。 4月。 2024年。
シシレロ、ヴィンセント A. 進化的計算: 理論、技術、および応用。応用科学 14、no. 6: 2542。2024年 3 月。
Koitz-Hristov R、Sterner T、Stracke L、Wotawa F。テストスイート削減におけるチェックされたカバレッジと遺伝的パラメータ調整の適合性について。 J Software Evol Proc. 2024;e2656。 2024年2月。
ジョルダン、ロドルフォ。ベッカー、マティアス。サンダー、インゴ。 IDeSyDe: 設計空間の識別による体系的な設計空間の探索。電子システムの設計自動化に関する ACM トランザクション。 2024年2月。
スクイレロ、G.、トンダ、A.ヴェニ、ヴィディ、エボルヴィによるWBラングドンの「ジョーズ30」の解説。 Genet Program Evolvable マッハ 24、24 (2023) 2023 年 11 月。
エネコ・オサバ、ゴルカ・ベングリア、ヘスス・L・ロボ、ジョス・ディアス・デ・アルカヤ、ジュンカル・アロンソ、イニャキ・エチャニス。 IaC 構成の最適化: 自然からインスピレーションを得たコンピューティングを使用したケーススタディ。 CIIS 2023。2023年 11 月。
Sapra, D.、Pimentel, AD 生涯信頼性と消費電力のトレードオフを備えたマルチコアシステムを検討しています。組み込みコンピュータシステム: アーキテクチャ、モデリング、およびシミュレーション。 SAMOS 2023。コンピュータサイエンスの講義ノート、vol 14385。Springer、Cham。 2023年11月。
サイード・ジュンド・アリ、ヤン・マイケル・ラランホ、ドミニク・ボルク。汎用的でカスタマイズ可能な遺伝的アルゴリズムに基づく概念モデルのモジュール化フレームワーク。第 27 回国際 EDOC カンファレンス (EDOC 2023) - エンタープライズ設計、運用、およびコンピューティング。 2023年9月。
A. エリヤサフ、E. ファルキ、O. マルガリット、G. ワイス、Y. ワイス。組み合わせシーケンステストの一般化されたカバレッジ基準。 IEEE Transactions on Software Engineering、vol. 49、いいえ。０８、４０２３〜４０３４頁。 2023年8月。
ジュリアン・アンブラード、ロバート・フィルマン、ガブリエル・コピト。 GPStar4: 遺伝的プログラミングを実験するための柔軟なフレームワーク。 OGECCO '23 Companion: 遺伝的および進化的計算に関するコンパニオン会議の議事録。 2023 年 7 月。
Garmendia, A.、Bork, D.、Eisenberg, M.、Ferreira, T.、Kessentini, M.、Wimmer, M. モデルベースのソフトウェア分析と設計のための人工知能の活用。人工知能によるソフトウェア開発プロセスの最適化。ナチュラルコンピューティングシリーズ。スプリンガー、シンガポール。 2023 年 7 月。
Sikora, M.、Smołka, M. 4 部調和における進化的アルゴリズムと機械学習のアプリケーション。計算科学 – ICCS 2023。ICCS 2023。コンピュータサイエンスの講義ノート、vol 14073。Springer 2023 年 6 月。
ドリー・サプラとアンディ・D・ピメンテル。生涯信頼性と消費電力のトレードオフを考慮したマルチコアシステムの検討。サモス'23。 2023 年 5 月。
ヴィピン・シュクラ、マイナク・バンジョパディヤイ。自然にインスピレーションを得た進化的アルゴリズムによる、ANN 駆動プラズマ源の入力パラメーターの最適化。インテリジェントシステムとアプリケーション、第 18 巻、2023 年、200200、ISSN 2667-3053。 2023 年 5 月。
P. ファイヒテンシュラーガー、K. シュエッツ、S. ジャブレク、C. シュエッツ、E. グリンギンガー。 ATFM スロットスワッピングのオークションメカニズムのプライバシー保護の実装。第 23 回統合通信、ナビゲーション、監視会議 (ICNS 2023) の議事録、米国ワシントン DC、2023 年 4 月 18 ～ 20 日、IEEE Press、12 ページ。 2023 年 4 月。
クリストフ・ラーバー、タオ・ユエ、シャウカット・アリ。多目的検索ベースのソフトウェアマイクロベンチマークの優先順位付け。 ArXiv/コンピュータサイエンス/ソフトウェアエンジニアリング。 2022年11月。
リカルド・フェレイラ・ビレラ、ジョアン・チョマ・ネト、ビクトル・ウーゴ・サンティアゴ・コスタ・ピント、パウロ・セルジオ・ロペス・デ・ソウザ、シモーネ・ド・ロシオ・ゼンジェル・デ・ソウザ。バイオからインスピレーションを得た最適化により、同時実行ソフトウェアのテストデータ生成をサポートします。同時実行性と計算: 実践と経験。 2022年11月。
G.マテエバ、D.パルバノフ、I.ディミトロフ、I.イリエフ、T.バラバノフ。金融時系列予測のためのモバイル分散コンピューティングにおけるサードパーティの遺伝的アルゴリズムソフトウェアライブラリの効率。 2022 年自動情報学国際会議 (ICAI)。 2022年10月。
ギリェルメ・エスパーダ、レオン・インゲルセ、パウロ・カネラス、ペドロ・バルボーサ、アルシデス・フォンセカ。文法ガイド付き遺伝的プログラミングのための、より人間工学に基づいたフロントエンドとしてのデータ型。 arXiv。 2022年10月。
クリストフ・G・シュッツ、トーマス・ロルンザー、サミュエル・ジャブレク、ケビン・シュッツ、フロリアン・ウォーナー、ローマン・カール、エドゥアルド・グリンギンガー。遺伝的アルゴリズムとマルチパーティ計算を使用したプライバシー保護の最適化のための分散アーキテクチャ。 CoopIS 2022: 協同組合情報システム、168 ～ 185 ページ。 2022年9月。
クリスティーナ・プランプ、ベルンハルト・J・バーガー、ロルフ・ドレクスラー。トレーニングデータの密度を使用して、近似的な適応度関数を使用して進化的アルゴリズムを改善します。 WCCI2022 計算知能に関する IEEE 世界会議。 2022 年 7 月。
クリスティーナ・プランプ、ベルンハルト・J・バーガー、ロルフ・ドレクスラー。突然変異および組み換え演算子を現実世界のアプリケーションデータの範囲を意識した関係に適応させます。 GECCO '22: 遺伝的および進化的計算会議コンパニオンの議事録。 755 ～ 758 ページ。 2022 年 7 月。
エリック・メドヴェット、ジョルジア・ナディザール、ルカ・マンゾーニ。 JGEA: 進化的計算を実験するためのモジュール式 Java フレームワーク。 GECCO '22: 遺伝的および進化的計算会議コンパニオンの議事録。 2009 ～ 2018 年のページ。 2022 年 7 月。
モシェ・シッパー、トメル・ハルペリン、イタイ・ツルイア、アチヤ・エルヤサフ。 EC-KitY: シームレスな機械学習統合を備えた Python の進化的計算ツールキット。 arXiv:2207.10367v1 [cs.NE]。 2022 年 7 月。
A. ビルドーと B. デブリーズ。メタモーフィックな関係と遺伝的アルゴリズムを使用したオープンソースソフトウェアのテスト。 2022 IEEE 電気情報技術国際会議 (eIT)、2022 年、342 ～ 345 ページ。 2022 年 7 月。
R. コッツ=フリストフ、L. ストラッケ、F. ウォタワ。テストスイート削減の対象範囲を確認 – 努力する価値はありますか? 2022 IEEE/ACM International Conference on Automation of Software Test (AST)、6-16 ページ。 2022 年 6 月。
アブデサメド・ウェサイ、モハメド・セーラム、アントニオ・M・モラ。リアルタイムストラテジーゲームにおける MCTS のアクション事前選択パラメータの進化。 Entertainment Computing、第 42 巻。2022 年 4 月。
ムサタファ・アッバス・アブード・アルバドル、サブリナ・ティウン、マスリ・アヨブ、ファハド・タハ・アル・ディエフ、ハイルディン・オマル、ムハド・ハーレド・メーン。最適化された遺伝的アルゴリズムを使用した音声感情認識 - 極端な学習マシン。マルチメディアツールとアプリケーション、 2022 年 3 月。
クリスティーナ・プランプ、ベルンハルト・ベルガー、ロルフ・ドレクスラー。適切な制限に対して適切な手法を選択する - 進化的アルゴリズムで検索スペース制限を強制するためのドメイン固有のアプローチ。 LDIC-2022、物流における力学に関する国際会議、 2022 年 2 月。
クオック・ナット・ハン・トラン、ニャン・クイ・グエン、ヒチャム・チェハデ、ライオネル・アモデオ、ファルーク・ヤラウィ。外来予約の最適化: 化学療法サービスのケーススタディ。応用科学/コンピューティングおよび人工知能。 2022年1月。
アチヤ・エルヤサフ、エイタン・ファルキ、オデッド・マルガリット、ゲーラ・ヴァイス、イェシャヤフ・ヴァイス。行動プログラミングと一般化されたカバレッジ基準を使用した組み合わせシーケンステスト。システムとソフトウェアのジャーナル。 2022年1月。
フリークエンティスグループ。 D4.1 関連概念の最先端に関するレポート。スロットマシン - 結果と公開成果物、Frequentis 2021 年 12 月。
ファン・ワンジエ、ワン・ハオティエン、シュエ・イーボー。遺伝的アルゴリズムに基づく倉庫内ピッキングモデルの最適化に関する研究。 2021 年情報技術、教育、開発に関する国際会議 (ICITED 2021)。 2021年12月。
Aalam Z.、Kaur S.、Vats P.、Kaur A.、Saxena R. オブジェクト指向ソフトウェア用の Avisar テストツールを使用したテスト作業の包括的な分析。インテリジェントで持続可能なシステム。ネットワークとシステムの講義ノート、第 334 巻。シンガポール、シュプリンガー。 2021年12月。
アン・ヴ・ヴォ、デブラ・F・レーファー、ジョナサン・バーン。遺伝的アルゴリズムとデュアル並列コンピューティングフレームワークを使用した都市 LiDAR 飛行経路計画の最適化。リモートセンシング、第 13 巻、第 21 号、 2021 年 11 月。
Pozas N.、Durán F. サービス指向アプリケーションの構成のスケーラビリティについて。 ICSOC 2021: サービス指向コンピューティング、449 ～ 463 ページ、 2021 年 11 月。
Küster、T.、Rayling、P.、Wiersig、R. 他。遺伝的アルゴリズムを使用した、エネルギー効率の高い生産スケジュールの多目的最適化。最適化とエンジニアリング (2021)。 2021年10月。
B. デブリーズと C. トレフツ。自動テスト生成への新規性検索と変成的テストのアプローチ。 2021 IEEE/ACM 第 14 回検索ベースソフトウェアテストに関する国際ワークショップ (SBST)、2021 年、8 ～ 11 ページ。 2021年5月。
W. ガイトナー、Z. アンデルコビッチ、O. ガイトナー、F. ヘルフルト、V. ラップ、A. ネメス、F. ヴィルヘルムシュテッター、AH ヴァンベンショーテン。双目的遺伝アルゴリズムおよびマトリックスプロファイルアルゴリズムを使用したイオン源の最適化。 IPAC2021 - 第 12 回国際粒子加速器会議。 2021年5月。
C. プランプ、B.J. バーガー、R. ドレクスラー。現実世界の複雑なアプリケーション向けのドメイン駆動の相関を意識した組み換えおよび突然変異演算子。 2021 IEEE 進化計算会議 (CEC)、540 ～ 548 ページ。 2021年7月。
Sapra, D.、Pimentel, AD 制約された進化的部分トレーニングを使用した畳み込みニューラルネットワークの設計。アプリケーションインテル (2021)。 2021年7月。
ミケーラ・ロランディ、レオナルド・ルシオ・クストーデ、ジョヴァンニ・イアッカ。遅延耐性のあるネットワークにおけるルーティングの遺伝的改善。 GECCO '21: 遺伝的および進化的計算会議コンパニオンの議事録。 2021 年 7 月、35 ～ 36 ページ。
プランプ、クリスティーナとバーガー、ベルンハルト J.、ドレクスラー、ロルフ。予測区間を通じて近似適応度関数を強化することにより、進化的アルゴリズムを改善します。進化計算に関する IEEE 会議 (IEEE CEC-2021)。 2021年6月。
ファルタウス、サラ、アブドゥルマクソード、アヤ、ケンペ、マルクス、アルト、フロリアン、シュニーガス、ステファン。 GeniePutt: 筋肉の電気刺激を通じて人間の運動能力を強化します。 it - 情報技術、vol. 、いいえ。 , 2021. 2021年5月。
イミン・タン、ラフィ・ハチャドゥリアン、メフディ・バガーザデ、リア・シン、アジャニ・スチュワート、アニタ・ラジャ。機械学習システムにおけるリファクタリングと技術的負債に関する実証的研究。ソフトウェアエンジニアリングに関する国際会議ICSE '21にて。 2021年5月。
Arifin HH、Robert Ong HK、Dai J.、Daphne W.、Chimplee N. 自動コンポーネント選択のための遺伝的アルゴリズムを使用したモデルベースの製品ラインエンジニアリング。著書: Krob D.、Li L.、Yao J.、Zhang H.、Zhang X. (編著) 「複雑なシステムの設計と管理」。スプリンガー、チャム。 2021年4月。
ミケーラ・ロランディ、レオナルド・ルシオ・クストデ、ジョヴァンニ・イアッカ。遅延耐性ネットワークのためのルーティングプロトコルの遺伝的改良。 arXiv:2103.07428v1 2021 年 3 月。
アミン・アジズ＝アラウイ、カロラ・ドーア、ヨハン・ドレオ。モジュール式ベンチマークフレームワークを統合することで、大規模な自動アルゴリズム設計に向けて。 E arXiv:2102.06435 2021 年 2 月。
ドミニク・ボルク、アントニオ・ガルメンディア、マヌエル・ウィマー。エンティティ関係モデルの多目的モジュール化アプローチに向けて。 ER 2020、第 39 回概念モデリングに関する国際会議。 2020年11月。
サルファラジ、S.ダイセンロート・ウーリグ、M. Bertsch、V. コミュニティエネルギーシステムにおける世帯の集合体：主体と市場の観点からの分析。エネルギー 2020、13、5154。2020年 10 月。
M. シペック、D. ムハレマジッチ、B. ミハリェビッチ、A. ラドバン。 GraalVM と Quarkus によるクラウドベースのソフトウェアアプリケーションのパフォーマンスの強化。 2020 第 43 回情報、通信および電子技術に関する国際会議 (MIPRO)、オパティア、クロアチア、2020 年、1746-1751 ページ。 2020年10月。
Vats P.、Mandot M. AVISAR オブジェクト指向テストツールの検証のための包括的な分析。 Joshi A.、Khosravy M.、Gupta N. (編著) 予測分析のための機械学習。ネットワークとシステムの講義ノート、第 141 巻。シンガポール、シュプリンガー。 2020年10月。
Thakur, K.、Kumar, G. 侵入検知システムにおける自然からインスピレーションを得た技術とアプリケーション: 最近の進歩と最新の視点。工学における計算手法のアーカイブ (2020)。 2020年8月。
ヌール・ヒダヤ・マット・ヤシン、アブドゥル・サーリ・ファクルディン、アブドゥル・ワフィ・アフナン・アブドゥル・ハディ、ムハンマド・ハリス・モフド・カイルディン、ヌール・ライハナ・アブ・セピアン、ファルハン・モフド・サイド、ノラズウィナ・ザイノール。魚の廃棄物から脂肪酸メチルエステルを溶媒抽出するための応答曲面法と人工ニューラルネットワークの比較。現代農業国際ジャーナル、第 9 巻、第 3 号、2020 年、ISSN: 2305-7246。 2020年9月。
バージニア州シシレロ Chips-n-Salsa: カスタマイズ可能、ハイブリッド化可能、反復的、並列的、確率的、および自己適応的なローカル検索アルゴリズムの Java ライブラリ。 Journal of Open Source Software、5(52)、2448、2020年 8 月。
李源源。カラベッリ、ステファノ、ファッダ、エドアルド。マネルバ、ダニエレ。タデイ、ロベルト。テルツォ、オリヴィエ。インダストリー 4.0 における生産スケジュール変更のための機械学習と最適化。先進製造技術の国際ジャーナル。 - ISSN 1433-3015。 2020年8月。
ドリー・サプラとアンディ・D・ピメンテル。徐々に飽和していく目的関数のための進化的最適化アルゴリズム。 GECCO '20、カンクン、メキシコ。 7月。 2020年。
ドリー・サプラとアンディ・D・ピメンテル。畳み込みニューラルネットワークを設計するための制約付き進化的部分トレーニング。 IEA/AIE 2020 – 北九州市。 7月。 2020年。
フェミ・エマヌエル・アヨ、サキナット・オルワブコンラ・フォロルンソ、アデバヨ・A・アバヨミ・アリ、アデボラ・オライインカ・アデクンル、ジョゼフ・バミデル・アウォトゥンデ。ルールベースのハイブリッド機能選択で最適化された深層学習モデルに基づくネットワーク侵入検出。情報セキュリティジャーナル: グローバルな視点。 2020年5月。
Zainol N.、Fakarudin AS、Zulaidi NIS 生物学的食品廃棄物の分解のための人工知能アルゴリズムを使用したモデルの最適化。 Yaser A. (編) 廃棄物処理技術の進歩。スプリンガー、シンガポール。 2020年5月。
ソーニャ・ヴォネヴァ、マナー・マズカトリ、ヨハネス・グローマン、アン・コツィオレック。増分パフォーマンスモデル抽出のためのパラメトリック依存関係の最適化。カールスルーエ工科大学、ドイツ、カールスルーエ。 4月。 2020年。
ラウル・ララ＝カブレラ、アンヘル・ゴンサレス＝プリエト、フェルナンド・オルテガ、ヘスス・ボバディージャ。遺伝的プログラミングを使用した進化する行列因数分解ベースの協調フィルタリング。 MDPI、応用科学。 2020年2月。
Humm BG、Hutter M. ロボットセンサーデータにおける複雑なイベント検出のための学習パターン。最適化と学習。 OLA 2020.Communications in Computer and Information Science, vol 1173. Springer 2020 年 2 月。
Erich C. Teppan、Giacomo Da Col. 大規模求人ショップの派遣ルールを作成するための遺伝的アルゴリズム。インテリジェントなメソッドの統合の進歩。スマートイノベーション、システムとテクノロジー、第 170 巻、シンガポール、シュプリンガー。 2020年1月。
リカルド・ペレス＝カスティージョ、フランシスコ・ルイス、マリオ・ピアッティーニ。エンタープライズアーキテクチャモデリングのための意思決定支援システム。意思決定支援システム。 2020年1月。
サブリナ・アペル、ヴォルフガング・ガイトナー、シュテファン・ライマン、マリウス・サピンスキー、ラーフル・シン、ドミニク・ヴィルスマイヤー。自然からインスピレーションを得た最適化アルゴリズムと機械学習の重イオンシンクロトロンへの応用。 International Journal of Modern Physics A. 2019 年 12 月。
OMエルゼキ、MFアルラフマウィ、サミール・エルムージー。がん遺伝子データセットの欠損値を代入するための新しいハイブリッド遺伝学および情報獲得アルゴリズム。 PInternational Journal of Intelligent Systems and Applications (IJISA)、Vol.11、No.12、pp.20-33、DOI: 10.5815/ijisa.2019.12.03。 2019年12月。
オリバー・シュトラウス、アフマド・アルムヘイダット、ホルガー・ケット。ヒューリスティック戦略と機械学習戦略を ProductResolution に適用する。第 15 回 Web 情報システムおよびテクノロジーに関する国際会議議事録 (WEBIST 2019)、242 ～ 249 ページ。 2019年11月。
ユアンユアン・リー、ステファノ・カラベッリ、エドアルド・ファッダ、ダニエレ・マネルバ、ロベルト・タデイ1、オリヴィエ・テルツォ。インダストリー 4.0 における柔軟なジョブショップ再スケジュールのための機械学習と最適化技術の統合。トリノ工科大学、運用研究および最適化グループ。 2019年10月。
Höttger R.、Igel B.、Spinczyk O. 自動車システム向けの制約付きソフトウェア配布。コンピュータおよび情報科学におけるコミュニケーション、第 1078 巻、 2019 年 10 月。
イ・ジヌ、チャン・グァンソン、チョン・ホヒョン、イ・ジェギル、イ・ウィチン。タスク割り当てを最適化することで、モバイルクラウドでの MapReduce ジョブの速度と信頼性を最大化します。パーベイシブコンピューティングとモバイルコンピューティング。 2019年10月。
クラウチク、ルーカス、マフムード・バザル、ラム・プラサス・ゴビンダラジャン、カーステン・ヴォルフ。 Eclipse APP4MC を使用した、異種マルチコアシステムのモデルベースのタイミング解析と展開の最適化。 2019 ACM/IEEE 22nd International Conference on Model Driven Engineering Languages and Systems コンパニオン: 44-53。 2019年9月。
ジュニオ・セザール・リベイロ・ダ・シルバ、ロレーナ・レアン、ヴィニシウス・ペトルッチ、アブドゥライ・ガマティエ、フェルナンド・マグノキンタオ・ペレイラ。関数入力の多変量線形回帰による異種アーキテクチャでのスケジューリング。 lirmm-02281112。 2019年9月。
エリック・O・スコット、ショーン・ルーク。 ECJ 20 時: 一般的なメタヒューリスティックツールキットに向けて。 GECCO '19: 遺伝的および進化的計算会議の議事録、コンパニオン、1391 ～ 1398 ページ。 2019年7月。
フランシスコ・G・モントーヤ、ラウール・バニョス・ナバロ（編著）。『Power Systems に適用される最適化手法』、第 2 巻。MDPI Books、ISBN 978-3-03921-156-2。 2019年7月。
ヘットガー、ロバート＆キ、ジュンヒョン＆ブイ、バオ＆イーゲル、ブルクハルト＆スピンツィク、オラフ。高性能自動車システムの CPU-GPU 応答時間とマッピング分析。第 10 回組み込みおよびリアルタイムシステムの分析ツールおよび方法論に関する国際ワークショップ (WATERS) が、第 31 回リアルタイムシステムに関するユーロマイクロ会議 (ECRTS'19) と同時開催されました。 2019年7月。
マキシム・コルディ、スティーブ・ミュラー、マイク・パパダキス、イヴ・ル・トラオン。機械学習ベースの異常検出システムの検索ベースのテストと改善。ソフトウェアのテストと分析に関する第 28 回 ACM SIGSOFT 国際シンポジウム (ISSTA 2019) の議事録。 ACM、ニューヨーク州ニューヨーク州米国、158-168。 2019年7月。
ミヒャエル・ヴィスタイン、ヤン・ファーバー、クレメンス・シュミット＝アイゼンローア、ダニエル・ライター。マルチキネマティックグリッピングシステムを使用した補助材料の自動処理。 Procedia Manufacturing、第 38 巻、2019 年、1276 ～ 1283 ページ。 2019年6月。
ニコラオス・ニコラキス、イオアニス・スタタキス、ソティリオス・マクリス。プラントオペレーターを個別にサポートするための進化した情報システムについて。第52回製造システム(CMS)に関するCIRP会議、スロベニアのリュブリャナ。 2019年6月。
マイケル・トロッター、ティモシー・ウッド、ファン・ジノ。嵐の予測: 遺伝的アルゴリズムと教師あり学習を使用した最適な構成の予測。第 13 回自己適応および自己組織化システムに関する IEEE 国際会議 (SASO 2019)。 2019年6月。
クラウチック、ルーカス＆バザル、マフムード＆プラサート・ゴビンダラジャン、ラム＆ヴォルフ、カールステン。自動運転アプリケーションにおけるエンドツーエンドの応答時間を計算するための分析アプローチ。組み込みおよびリアルタイムシステムの分析ツールと方法論に関する第 10 回国際ワークショップ (WATERS 2019)。 2019年6月。
ロドルフォ・アヤラ・ロペス、チアゴ・マセド・ゴメス、アラン・ロバート・レゼンデ・デ・フレイタス。シンボリック進化アルゴリズムソフトウェアプラットフォーム。遺伝進化計算会議コンパニオン (GECCO '19) の議事録。 2019年7月。
アレクサンダル・プロコペック、アンドレア・ロサ、デビッド・レオポルゼダー、ジル・デュボスク、ペトル・トゥマ、マルティン・ストゥデナー、ルボミール・ブレジ、ユディ・ジェン、アレックス・ビリャソン、ダグ・サイモン、トーマス・ヴルシンガー、ウォルター・ビンダー。 Renaissance: JVM 上の並列アプリケーション用のベンチマークスイート。 PLDI '19、米国アリゾナ州フェニックス。 2019年6月。
ロベルト・ヘットガー、ルーカス・クラウチック、ブルクハルト・イーゲル、オラフ・スピンツィク。自動車システムのメモリマッピング分析。簡単なプレゼンテーションの議事録 (RTAS 2019)。 2019年4月。
Al Akkad, MA、および Gazimzyanov, FF 2D 画像の構成特性を評価するための自動システム: 数学モデルの構成。知性。シスト。 Proizv.、17(1)、26-33。土井: 10.22213/2410-9304-2019-1-26-33。 2019年4月。
アルケイド、A.バニョス、R.アラバルカンポス、FM;モントーヤ、遺伝的アルゴリズムによる収縮電力のFG最適化。エネルギー、第12巻、第7号、 2019年4月。
Abdul Sahli Fakharudin、Norazwina Zainol、Zulsyazwan Ahmad Khushairi。ニューラルネットワークと遺伝的アルゴリズムを使用したオブパームトランクコアのバイオディレクションのモデリングと最適化。 IEEA '19：情報学、環境、エネルギー、アプリケーションに関する第8回国際会議の議事録。 155〜158ページ、 2019年3月。
Aleksandar Prokopec、AndreaRosà、David Leopoldseder、Gilles duboscq、Petr thma、Martin Studener、LubomírBulej、Yudi Zheng、AlexVillazón、Doug Simon、Thomas Wuerther、Walter Binder。ルネッサンスのベンチマークスイートの評価について：多様性、パフォーマンス、複雑さ。コーネル大学：プログラミング言語、 2019年3月。
S. Appel、W。Geithner、S。Reimann、M Sapinski、R。Singh、DM Vilsmeierヘビーイオンシンクロトロンの最適化、ネアチャ風のアルゴリズムと機械学習を使用しています。 13th int。 Computational Accelerator Physics Conf。、 2019年2月。
Saad、Christian、Bernhard Bauer、Ulrich R Mansmann、Jian Li。システム生物学の自己分析。バイオインフォマティクスと生物学の洞察、 2019年1月。
ガンデヴァ・バイュー・サトリヤ、スー・ヤング・シン。産業用ワイヤレスセンサーネットワークのスーパーフレームスケジューリングを最適化するための進化コンピューティングアプローチ。コーネル大学、 2018年12月。
HR Maier、S。Razavi、Z。Kapelan、LS Matott、J。Kasprzyk、Ba Tolson。概要の概要：進化的アルゴリズムおよびその他のメタヒューリスティックを使用した最適化。環境モデリングとソフトウェア、 2018年12月。
Erich C. TeppanとGiacomo Da Col.遺伝的アルゴリズムによる大規模なジョブショップの派遣ルールの自動生成。 CIMA 2018、インテリジェントな方法とアプリケーションの組み合わせに関する国際ワークショップ、 2018年11月。
Pasquale Salzaa、Filomena ferrucci。ソフトウェアコンテナを使用して、クラウド内の遺伝的アルゴリズムをスピードアップします。 Future Generation Computer Systems、 2018年10月。
Ghulam Mubashar HassanとMark Reynolds。鉱石列車ネットワークのスケジューリングと最適化のための遺伝的アルゴリズム。 GCAI-2018。 2018年9月、人工知能に関する第4回グローバル会議。
Drezewski、Rafal＆Kruk、Sylwia＆Makowka、Maciej。企業の株式収益率の進化的最適化：エージェントベースのバイオインスパイアシステムに向けて、企業金融の決定をサポートします。 IEEEアクセス。 6。10.1109/Access.2018.2870201、 2018年9月。
Arifin、HH、Chimplee、N.、Kit Robert Ong、H.、Daengdej、J。およびSortrakul、T。進化的トレードオフを使用したモデルベースのシステムエンジニアリングを備えた物理アーキテクチャの設計合成の自動化されたコンポーネントセレクション。 Incose International Symposium、28：1296-1310、 2018年8月。
Ong、Robert＆Sortrakul、Thotsapon。モデルベースのシステムエンジニアリングを使用した設計合成の自動コンポーネント選択のための遺伝的アルゴリズムの選択方法の比較。会議：I-Seec 2018、 2018年5月。
ステファン・ピルンバウム。 Die Evolution Im algorithmus -Teil 2：Multikriterielle Optimierung und Architekturerkennung。 Javaspektrum 03/2018、pp 66–69、 2018年5月。
W. Geithner、Z。Andelkovic、S。Appel、O。Geithner、F。Herfurth、S。Reimann、G。Vorobjev、F。Wilhelmstötter。フェアコントロールシステム環境における機械最適化のための遺伝的アルゴリズム。 2018年5月、第9回国際パーティクルアクセラレータ会議（IPAC'18） 。
ステファン・ピルンバウム。ダイエボリューションIMアルゴリズム-Teil 1：Grundlagen。 Javaspektrum 01/2018、pp 64–68、 2018年1月。
アレクサンダー・フェルファニヒ、ルーヴェン・ウォルター、ホセ・A・ガリンド、デビッド・ベナビデス、セダ・ポラト・エルデニズ、ミュスルム・アタス、ステファン・ライター。再構成のためのいつでも診断。 Journal of Intelligent Information Systems、PP 1–22、 2018年1月。
ブルース・A・ジョンソン。 NMRFX処理とNMRViewJ分析を使用した、生データからタンパク質バックボーン化学シフトへ。タンパク質NMR：Methods and Protocols、pp。257--310、Springer New York、 2017年11月。
Cuadra P.、Krawczyk L.、HöttgerR.、Heisig P.、Wolff C.ハイブリッド遺伝的アルゴリズムを使用した、しっかりと結合された組み込みマルチコアシステムの自動スケジューリング。情報およびソフトウェアテクノロジー：第23回国際会議、ICIST 2017、Druskininkai、Lithuania。コンピューターおよび情報科学の通信、Vol756。Springer、Cham、2017年9月。
マイケル・トロッター、ガイエ・リュー、ティモシー・ウッド。嵐へ：遺伝的アルゴリズムとベイジアンの最適化を使用した最適な構成を下げる。 Self* Systems（FAS* W）の財団と応用、2017 IEEE 2nd International Workshops 2017年9月。
Emna Hachicha、Karn Yongsiriwit、Mohamed Sellami。 QoS対応のビジネスプロセス開発における遺伝的ベースの構成可能なクラウドリソース割り当て。情報およびソフトウェアテクノロジー：第23回国際会議、ICIST 2017、Druskininkai、Lithuania。 Web Services（ICWS）、2017 IEEE International Conference、2017年6月。
AbraãoG。Nazário、FábioRaSilva、Raimundo Teive、Leonardo Villa、AntônioFlávio、JoãoZico、Eire Fragoso、Ederson F. Souza。 Automaçãodomóticasimuladautilizando algoritmogenéticoespecializado nareduçãodocononono de energia。 Computer on the Beach 2017pp。180-189 、2017年3月。
Bandaru、S。and Deb、K。Metaheuristic Techniques。意思決定科学。 CRC Press、pp。693-750、2016年11月。
Lyazid Toumi、Abdelouahab Moussaoui、およびAhmet Ugur。 EMED-PART：データウェアハウスでの水平分割のための効率的な方法論。インテリジェントな情報処理、セキュリティ、高度なコミュニケーションに関する国際会議の議事録。 Djalled Eddine Boubiche、Faouzi Hidoussi、およびHomero Toral Cruz（編）。 ACM、ニューヨーク、ニューヨーク、米国、第43条、7ページ、2015年。
Andreas Holzinger（編集者）、Igo Jurisica（編集者）。生物医学情報学におけるインタラクティブな知識の発見とデータマイニング。コンピューターサイエンスの講義ノート、Vol。 8401。Springer 、2014年。
Lyazid Toumi、Abdelouahab Moussaoui、Ahmet Ugur。ビットマップの粒子群最適化インデックスの選択データ倉庫の選択問題。 Journal of Supercomputing、Volume 68、Issue 2、pp 672-708、2014年5月。
Tang Yi（広州電源供給局Limited、広州511400、中国）は、2012年10月、流通ネットワークのためのオブジェクト指向の反応補償配分最適化アルゴリズムに関する研究。
ジョン・M・ラインバーガー、リチャード・J・デトリー、ロバート・J・グラス、ウォルター・E・ベイラー、アーロ・L・エイムズ、パトリック・D・フィンリー、S。ルイーズ・マフィット。システムエンジニアリング環境の複雑な適応システムバージョン1.0。砂レポート、2012年2月。

リリースノート

8.1.0

改善点

＃822：組み合わせたJavadocを生成するためのビルドスクリプトを改善します。
＃898：CSVファイルまたは文字列からデータを読み取るためのサポートを追加します。これにより、回帰問題のコードが簡素化されます。

 static List < Sample < Double >> parseDoubles ( final CharSequence csv ) {
	return CsvSupport . parseDoubles ( csv ). stream ()
		. map ( Sample :: ofDouble )
		. toList ();
}

＃904：Gradle 8.10へのアップグレードとビルドスクリプトのクリーンアップ。
＃907：最適化戦略については、ユーザーマニュアルの章を追加：実用的なJenetics 。
＃909：プリミティブ配列を変換するためのヘルパー方法。

 final Codec < int [], DoubleGene > codec = Codecs
    . ofVector ( DoubleRange . of ( 0 , 100 ), 100 )
    . map ( Conversions :: doubleToIntArray );

バグ

＃419：フレーク状の統計テストを修正します。

8.0.0

改善点

Java 21は、ライブラリの構築と使用に使用されます。
＃878：フィットネス関数を評価する仮想スレッドを許可します。 Engine作成するときに有効にする必要があります（以下のコードスニペットを参照）、以前の動作は保存されています。

 final Engine < DoubleGene , Double > engine = Engine . builder ( ff )
	. fitnessExecutor ( BatchExecutor . ofVirtualThreads ())
	. build ();

＃880：Javadocのコード例をJEP 413に置き換えます。
＃886： CharStoreソートを改善します。
＃894：新しい遺伝子演算子： ShiftMutator 、 ShuffleMutator 、およびUniformOrderBasedCrossover 。
＃895：デフォルトのRandomGenerator選択を改善します。使用済みのRandomGeneratorは、次の順序で選択されます。
1. io.jenetics.util.defaultRandomGenerator開始パラメーターが設定されているかどうかを確認してください。もしそうなら、このジェネレーターを取ります。
2. L64X256MixRandomジェネレーターが利用可能かどうかを確認してください。もしそうなら、このジェネレーターを取ります。
3. RandomGeneratorFactory.stateBits()値に従って、利用可能な最良のランダムジェネレーターを見つけます。
4. 最高のジェネレーターが見つからない場合は、 Randomジェネレーターを使用してください。このジェネレーターは、すべてのプラットフォームで利用できることが保証されています。

すべてのリリースノート

ライセンス

ライブラリは、バージョン2.0のApacheライセンスに基づいてライセンスされています。

 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.