jenetics

พันธุศาสตร์

Jenetics เป็นไลบรารี Genetic Algorithm , Evolutionary Algorithm , Grammatical Evolution , Genetic Programming และ Multi-objective Optimization ที่เขียนด้วยภาษา Java สมัยใหม่ ได้รับการออกแบบโดยมีการแยกแนวคิดต่างๆ ของอัลกอริทึมอย่างชัดเจน เช่น Gene Chromosome Genotype Phenotype Population และ Function ฟิตเนส Jenetics ช่วยให้คุณย่อและขยายฟังก์ชันฟิตเนสที่กำหนดให้สูงสุดโดยไม่ต้องปรับแต่ง ตรงกันข้ามกับการใช้งาน GA อื่นๆ ห้องสมุดใช้แนวคิดของกระแสวิวัฒนาการ ( EvolutionStream ) เพื่อดำเนินการตามขั้นตอนวิวัฒนาการ เนื่องจาก EvolutionStream ใช้อินเทอร์เฟซ Java Stream จึงทำงานได้อย่างราบรื่นกับส่วนที่เหลือของ Java Stream API

ภาษาอื่นๆ

• Jenetics.Net : พอร์ต .NET Core แบบทดลองใน C# ของไลบรารีฐาน
• Helisa : เครื่องห่อ Scala รอบ ๆ ห้องสมุด Jenetics

เอกสารประกอบ

ไลบรารีมีเอกสารครบถ้วน (javadoc) และมาพร้อมกับคู่มือผู้ใช้ (pdf)

สร้างเจเนติกส์

Genetics ต้องการ Java 21 เป็นอย่างน้อยในการคอมไพล์และรัน

ตรวจสอบสาขาหลักจาก GitHub

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

Jenetics ใช้ Gradle เป็นระบบบิลด์และจัดระเบียบซอร์สออกเป็นโปรเจ็กต์ ย่อย (โมดูล) แต่ละโครงการย่อยจะอยู่ในไดเรกทอรีย่อยของตนเอง:

โครงการที่เผยแพร่

โปรเจ็กต์/โมดูลต่อไปนี้ได้รับการเผยแพร่ไปยัง Maven ด้วย

• jenetics : โปรเจ็กต์นี้มีซอร์สโค้ดและการทดสอบสำหรับโมดูลหลักของ Jenetics
• jenetics.ext : โมดูลนี้มีการดำเนินการ GA และประเภทข้อมูล ที่ไม่ได้ มาตรฐานเพิ่มเติม นอกจากนี้ยังมีคลาสสำหรับการแก้ปัญหาหลายวัตถุประสงค์ (MOEA) และการทำ Grammatical Evolution (GE)
• jeetics.prog : โมดูลประกอบด้วยคลาสที่อนุญาตให้ทำการเขียนโปรแกรมทางพันธุกรรม (GP) ทำงานร่วมกับ EvolutionStream และ Evolution Engine ที่มีอยู่ได้อย่างราบรื่น
• jeetics.xml : โมดูล XML marshalling สำหรับโครงสร้างข้อมูลฐาน Jenetics

โครงการที่ไม่ได้เผยแพร่

• jenetics.example : โปรเจ็กต์นี้มีโค้ดตัวอย่างสำหรับ core -module
• jenetics.doc : ประกอบด้วยโค้ดของเว็บไซต์และคู่มือ
• jenetics.tool : โมดูลนี้มีคลาสที่ใช้สำหรับทำการทดสอบการรวมและการทดสอบประสิทธิภาพของอัลกอริทึม นอกจากนี้ยังใช้สำหรับการสร้างการวัดประสิทธิภาพ GA และสร้างไดอะแกรมจากการวัดประสิทธิภาพ

สำหรับการสร้างไลบรารีให้เปลี่ยนในไดเร็กทอรี <builddir> (หรือหนึ่งในไดเร็กทอรีโมดูล) และเรียกใช้งานใดงานหนึ่งที่มีอยู่:

• คอมไพล์Java : คอมไพล์ซอร์ส Jenetics และคัดลอกไฟล์คลาสไปยังไดเร็กทอรี <builddir>/<module-dir>/build/classes/main
• jar : รวบรวมแหล่งที่มาและสร้างไฟล์ JAR อาร์ติแฟกต์ถูกคัดลอกไปยังไดเร็กทอรี <builddir>/<module-dir>/build/libs
• javadoc : สร้างเอกสาร API Javadoc ถูกเก็บไว้ในไดเร็กทอรี <builddir>/<module-dir>/build/docs
• test : คอมไพล์และดำเนินการทดสอบหน่วย ผลการทดสอบจะถูกพิมพ์ลงบนคอนโซล และรายงานการทดสอบที่สร้างโดย TestNG จะถูกเขียนไปยังไดเร็กทอรี <builddir>/<module-dir>
• clean : ลบไดเร็กทอรี <builddir>/build/* และลบสิ่งประดิษฐ์ที่สร้างขึ้นทั้งหมด

สำหรับการสร้างขวดไลบรารีจากการเรียกต้นทาง

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

ตัวอย่าง

สวัสดีชาวโลก (นับคน)

การตั้งค่าเครื่องยนต์วิวัฒนาการขั้นต่ำจำเป็นต้องมีโรงงานจีโนไทป์, Factory<Genotype<?>> และ Function ฟิตเนส Genotype ใช้อินเทอร์เฟซ Factory และสามารถใช้เป็นต้นแบบสำหรับการสร้าง Population เริ่มต้นและสำหรับการสร้าง Genotypes แบบสุ่มใหม่

 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 );
    }
}

ตรงกันข้ามกับการใช้งาน GA อื่นๆ ห้องสมุดใช้แนวคิดของกระแสวิวัฒนาการ ( EvolutionStream ) เพื่อดำเนินการตามขั้นตอนวิวัฒนาการ เนื่องจาก EvolutionStream ใช้อินเทอร์เฟซ Java Stream จึงทำงานได้อย่างราบรื่นกับ Java Streaming API ที่เหลือ ตอนนี้เรามาดูรายการด้านบนให้ละเอียดยิ่งขึ้น และหารือเกี่ยวกับโปรแกรมง่ายๆ นี้ทีละขั้นตอน:

1. ส่วนที่ท้าทายที่สุดน่าจะเป็นเมื่อตั้งค่า Engine วิวัฒนาการใหม่ คือการเปลี่ยนโดเมนของปัญหาให้กลายเป็นตัวแทน Genotype (โรงงาน) ที่เหมาะสม ในตัวอย่างของเรา เราต้องการนับจำนวน BitChromosome เนื่องจากเรานับเพียงโครโมโซมเดียว เราจึงเพิ่ม BitChromosome เพียงอันเดียวใน Genotype ของเรา โดยทั่วไปแล้ว Genotype สามารถสร้างได้ด้วยโครโมโซม 1 ถึง n

2. เมื่อเสร็จแล้ว ก็สามารถกำหนดฟังก์ชันฟิตเนสที่ควรขยายให้ใหญ่สุดได้ ด้วยการใช้คุณสมบัติภาษาใหม่ที่เปิดตัวใน Java 8 เราเพียงแค่เขียนวิธีการคงที่ส่วนตัว ซึ่งใช้จีโนไทป์ที่เรากำหนดไว้และคำนวณค่าความเหมาะสมของมัน หากเราต้องการใช้วิธีการนับบิตที่ได้รับการปรับให้เหมาะสม bitCount() เราจะต้องส่งคลาส Chromosome<BitGene> ไปยังคลาส BitChromosome ที่ใช้จริง เนื่องจากเราทราบแน่ชัดว่าเราได้สร้าง Genotype ด้วย BitChromosome จึงสามารถทำได้อย่างปลอดภัย จากนั้นการอ้างอิงถึงวิธี eval จะใช้เป็นฟังก์ชันฟิตเนสและส่งผ่านไปยังวิธี Engine.build

3. ในขั้นตอนที่สาม เรากำลังสร้าง Engine วิวัฒนาการ ซึ่งมีหน้าที่รับผิดชอบในการเปลี่ยนแปลงประชากรที่กำหนดตามลำดับการพัฒนา Engine สามารถกำหนดค่าได้สูงและใช้พารามิเตอร์สำหรับควบคุมวิวัฒนาการและสภาพแวดล้อมการคำนวณ สำหรับการเปลี่ยนแปลงพฤติกรรมเชิงวิวัฒนาการ คุณสามารถตั้งค่าตัวดัดแปลงและตัวเลือกต่างๆ ได้ โดยการเปลี่ยนบริการ Executor ที่ใช้ คุณสามารถควบคุมจำนวนเธรดได้ อนุญาตให้ใช้เครื่องยนต์ได้ อินสแตนซ์ Engine ใหม่สามารถสร้างได้ผ่านตัวสร้างเท่านั้น ซึ่งสร้างขึ้นโดยการเรียกเมธอด Engine.builder

4. ในขั้นตอนสุดท้าย เราสามารถสร้าง EvolutionStream ใหม่จาก Engine ของเราได้ EvolutionStream เป็นแบบจำลองหรือมุมมองของกระบวนการวิวัฒนาการ โดยทำหน้าที่เป็น "ตัวจัดการกระบวนการ" และยังช่วยให้คุณควบคุมการยุติวิวัฒนาการได้อีกด้วย ในตัวอย่างของเรา เราเพียงแค่ตัดทอนสตรีมหลังจากผ่านไป 100 รุ่น หากคุณไม่จำกัดการสตรีม EvolutionStream จะไม่ยุติและทำงานตลอดไป เนื่องจาก EvolutionStream ขยายอินเทอร์เฟซ java.util.stream.Stream จึงผสานรวมกับส่วนที่เหลือของ Java Stream API ได้อย่างราบรื่น ผลลัพธ์สุดท้ายซึ่งเป็น Genotype ที่ดีที่สุดในตัวอย่างของเรา จะถูกรวบรวมด้วยหนึ่งในตัวรวบรวมที่กำหนดไว้ล่วงหน้าของคลาส EvolutionResult

ภาพที่พัฒนา

ตัวอย่างนี้พยายามประมาณรูปภาพที่กำหนดด้วยรูปหลายเหลี่ยมแบบกึ่งโปร่งใส มันมาพร้อมกับ Swing UI ที่คุณสามารถเริ่มการทดลองของคุณเองได้ทันที หลังจากรวบรวมแหล่งที่มาแล้วด้วย

 $ ./gradlew compileTestJava

คุณสามารถเริ่มตัวอย่างได้โดยการโทร

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

รูปภาพก่อนหน้าแสดง GUI หลังจากพัฒนารูปภาพเริ่มต้นมาประมาณ 4,000 รุ่น ด้วยปุ่ม "เปิด" คุณสามารถโหลดภาพอื่นๆ เพื่อสร้างรูปหลายเหลี่ยมได้ ปุ่ม "บันทึก" ช่วยให้สามารถจัดเก็บภาพหลายเหลี่ยมในรูปแบบ PNG ลงในดิสก์ได้ ที่ปุ่มของ UI คุณสามารถเปลี่ยนพารามิเตอร์ GA บางส่วนของตัวอย่างได้

โครงการที่ใช้ Genetics

• SPEAR : SPEAR (การพยากรณ์พลังงานอย่างชาญฉลาดด้วยการจัดสรรทรัพยากร) ได้สร้างแพลตฟอร์มที่ขยายได้สำหรับการเพิ่มประสิทธิภาพพลังงานและประสิทธิภาพของระบบการผลิต
• Renaissance Suite : Renaissance เป็นชุดเบนช์มาร์กที่ทันสมัย ​​เปิดกว้าง และหลากหลายสำหรับ JVM โดยมีวัตถุประสงค์เพื่อทดสอบคอมไพเลอร์ JIT ตัวรวบรวมขยะ โปรไฟล์ เครื่องมือวิเคราะห์ และเครื่องมืออื่นๆ
• APP4MC : Eclipse APP4MC เป็นแพลตฟอร์มสำหรับระบบซอฟต์แวร์แบบมัลติคอร์และหลายคอร์แบบฝังตัว

บล็อกและบทความ

• ข้อผิดพลาดในการแก้ไขอัลกอริทึมของวิวัฒนาการโดย Jakob Leck ธ.ค. 2023 Die Schwalbe 324-2, หน้า 373-380 องค์ประกอบและการแก้ปัญหาหมากรุกที่มีจำนวนสันติภาพมากกว่าปกติ แทนที่จะใช้วิธีเดรัจฉานบังคับ GA ถูกนำมาใช้ในการแก้ปัญหา (ภาษาเยอรมัน)
• การแก้ปัญหากระเป๋าเป้สะพายหลังด้วยไลบรารี Jenetics โดย Craftcode Crew วันที่ 13 พฤษภาคม 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 by 王康, Nov. 26. 2018
• Introduction to Jenetics Library โดย baeldung วันที่ 11 เมษายน 2017
• วิธีแก้ปัญหาที่ยากลำบากโดยใช้อัลกอริทึมทางพันธุกรรม โดย Tzofia Shiftan 6 เมษายน 2017
• อัลกอริทึมทางพันธุกรรมด้วย Java โดย William Antônio 10 มกราคม 2017
• Jenetics 설치 및 예제, โดย JDM , 8 พฤษภาคม 2015
• 유전 알고리즘 (Genetic Algorithms), โดย JDM , 2 เมษายน 2015

การอ้างอิง

วินเซนต์ เอ. ซิซิเรลโล. การคำนวณวิวัฒนาการแบบโอเพ่นซอร์สด้วย Chips-n-Salsa วิทยาการคอมพิวเตอร์, คณะธุรกิจ, มหาวิทยาลัยสต็อกตัน ธ.ค. 2024

-

1. วินเซนต์ เอ. ซิซิเรลโล. การคำนวณวิวัฒนาการแบบโอเพ่นซอร์สด้วย Chips-n-Salsa วิทยาการคอมพิวเตอร์, คณะธุรกิจ, มหาวิทยาลัยสต็อกตัน ธ.ค. 2024
2. เอส. กรูเบอร์, พี. ไฟช์เทนชลาเกอร์, ซี. ฟาเบียเน็ค, อี. กริงกิ้งเงอร์ และซีจี ชูตซ์ สู่ตัวเพิ่มประสิทธิภาพฮิวริสติกสำหรับระบบการจัดการเวลาเป้าหมายในการจัดการกระแสจราจรทางอากาศ 2024 AIAA DATC/IEEE การประชุม Digital Avionics Systems Conference (DASC) ครั้งที่ 43), ซานดิเอโก, แคลิฟอร์เนีย, สหรัฐอเมริกา, 2024, หน้า 1-10 พ.ย. 2024
3. Šimić, G., Jevremović, A., Strugarević, D. การปรับปรุงกระบวนการสอนโดยใช้อัลกอริทึมทางพันธุกรรม ใน: Perakovic, D., Knapcikova, L. (eds) ตัวช่วยการเข้าถึงในอนาคตสำหรับโครงสร้างพื้นฐานที่แพร่หลายและชาญฉลาด เยี่ยมมาก 2024 เอกสารบรรยายของสถาบันวิทยาการคอมพิวเตอร์ สารสนเทศสังคม และวิศวกรรมโทรคมนาคม เล่มที่ 596 ต.ค. 2024
4. ดิมิทริส จี. มินติซา ∙ นิโคลอส ไชมาริซา ∙ อันเดรียส ซูมานิซา ∙ อนาสตาซิออส จี. ปาปาเดียมันติซา ∙ นิโค ดับเบิลยู. ฟาน เดน บริงค์ ∙ เฮงค์ เจ. ฟาน ลินจีน ∙ จอร์เจีย เมลากราคิฟ ∙ อิโซลต์ ลินช์บ ∙ แอนเทรียส อาฟานติส NanoBioAccumulate: การสร้างแบบจำลองการดูดซึมและการสะสมทางชีวภาพของวัสดุนาโนในดินและสัตว์ไม่มีกระดูกสันหลังในน้ำผ่าน Enalos DIAGONAL Cloud Platform วารสารเทคโนโลยีชีวภาพเชิงคำนวณและโครงสร้าง. เอลส์เวียร์, 2001-0370. ต.ค. 2024
5. อาร์. จอร์เดา, เอฟ. บาห์รามี, วาย. หยาง, เอ็ม. เบกเกอร์, ไอ. แซนเดอร์ และเค. รอสวาลล์ การสำรวจพื้นที่การออกแบบที่แน่นอนที่ไม่ต้องการหลายวัตถุประสงค์ของ DSP แบบคงที่บนแพลตฟอร์มมัลติคอร์ ฟอรัม 2024 เกี่ยวกับข้อกำหนดและภาษาการออกแบบ (FDL), สตอกโฮล์ม, สวีเดน, 2024, หน้า 1-9 ก.ย. 2024.
6. จาเร็ด เมอร์ฟี่ และทราวิส เดเซลล์ การลดอัลกอริธึมการเขียนโปรแกรมทางพันธุกรรมบนกราฟ EXA-GP ให้เหลือน้อยที่สุดสำหรับการพยากรณ์อนุกรมเวลาที่ตีความได้ ใน Proceedings of the Genetic and Evolutionary Computation Conference Companion (GECCO '24 Companion) สมาคมเครื่องจักรคอมพิวเตอร์, New York, NY, USA, 1686–1690 ส.ค. 2024.
7. จาเร็ด เมอร์ฟี่, เดฟรุป คาร์, โจชัว คาร์นส์ และทราวิส เดเซลล์ EXA-GP: การรวมโปรแกรมทางพันธุกรรมบนกราฟและวิวัฒนาการของระบบประสาทเพื่อการพยากรณ์อนุกรมเวลาที่สามารถอธิบายได้ ใน Proceedings of the Genetic and Evolutionary Computation Conference Companion (GECCO '24 Companion) สมาคมเครื่องจักรคอมพิวเตอร์, นิวยอร์ก, นิวยอร์ก, สหรัฐอเมริกา, 523–526 ส.ค. 2024.
8. เซบาสเตียน กรูเบอร์, พอล ไฟช์เทนชลาเกอร์ และคริสตอฟ จี. ชูตซ์ การใช้อัลกอริทึมทางพันธุกรรมเพื่อการเพิ่มประสิทธิภาพการรักษาความเป็นส่วนตัวของปัญหาการมอบหมายหลายวัตถุประสงค์ในการตั้งค่าเวลาวิกฤต: การประยุกต์ใช้ในการจัดการการไหลของการจราจรทางอากาศ ในการดำเนินการประชุมด้านการคำนวณทางพันธุกรรมและวิวัฒนาการ (GECCO '24) สมาคมเครื่องจักรคอมพิวเตอร์, นิวยอร์ก, นิวยอร์ก, สหรัฐอเมริกา, 1246–1254 กรกฎาคม 2024
9. Jianghao Wang, Clay Stevens, Brooke Kidmose, Myra B. Cohen และ Hamid Bagheri การวิเคราะห์เชิงวิวัฒนาการของข้อมูลจำเพาะของโลหะผสมพร้อมฟังก์ชันฟิตเนสแบบปรับเปลี่ยนได้ วิศวกรรมซอฟต์แวร์จากการค้นหา SSBSE 2024. เอกสารการบรรยายในวิทยาการคอมพิวเตอร์ เล่มที่ 14767 สปริงเกอร์ กรกฎาคม 2024
10. เบิร์นฮาร์ด เจ. เบอร์เกอร์; คริสติน่า พลัม; ลอเรนพอล; รอล์ฟ เดรชสเลอร์. EvoAl — การเพิ่มประสิทธิภาพโดเมนแบบไร้โค้ด การประชุมการคำนวณทางพันธุกรรมและวิวัฒนาการ (GECCO-2024) กรกฎาคม 2024
11. คริสติน่า พลัมป์, แดเนียล ซี. ฮอยคิส, ยอร์น ฮูเบอร์, แบร์นฮาร์ด เจ. เบอร์เกอร์, แมทเธียส กุนเธอร์, คริสตอฟ ลูธ, รอล์ฟ เดรชสเลอร์ ค้นหาลำดับ MRI ที่สมบูรณ์แบบสำหรับผู้ป่วยของคุณ --- สู่ขั้นตอนการทำงานเพิ่มประสิทธิภาพสำหรับลำดับ MRI IEEE WCCI 2024 มิถุนายน 2024
12. มิลาน เชกูโรวิช, มิเลนา วูโจเซวิช ยานิช, โวจิน โจวาโนวิช, โธมัส เวือร์ทิงเกอร์ GraalSP: Polyglot ผู้สร้างโปรไฟล์แบบคงที่บนพื้นฐานการเรียนรู้ของเครื่องจักรที่มีประสิทธิภาพและแข็งแกร่ง วารสารระบบและซอฟต์แวร์ เล่มที่ 213, 2024, 112058, ISSN 0164-1212 กรกฎาคม. 2024.
13. เหวินเหวิน เฟิง, เสี่ยวฮุย เล่ย, หยุนจง เจียง, เฉา หวาง, เวยหง เหลียว, ห่าว หวาง, กงซิงฮุ่ย, หยูเฟิง แบบจำลองการควบคุมเชิงคาดการณ์และการควบคุมตามกฎสำหรับการควบคุมระบบแม่น้ำในเมืองแบบเรียลไทม์ วารสารอุทกวิทยา, 2024, 131228, ISSN 0022-1694 เมษายน 2024
14. เอส. ซินต์, เอ. มาซัค-ฮูเมอร์, เอ็ม. ไอเซนเบิร์ก, ดี. วากูบินเกอร์ และเอ็ม. วิมเมอร์ การเพิ่มประสิทธิภาพช่วงความคลาดเคลื่อนโดยอัตโนมัติสำหรับการระบุสถานะรันไทม์ที่ขับเคลื่อนด้วยโมเดล ธุรกรรม IEEE เกี่ยวกับวิทยาศาสตร์และวิศวกรรมอัตโนมัติ เมษายน. 2024.
15. Cicirello, Vincent A. การคำนวณเชิงวิวัฒนาการ: ทฤษฎี เทคนิค และการประยุกต์ วิทยาศาสตร์ประยุกต์ 14 เลขที่ 6: 2542 มี.ค. 2567.
16. Koitz-Hristov R, Sterner T, Stracke L, Wotawa F. เกี่ยวกับความเหมาะสมของความครอบคลุมที่ได้รับการตรวจสอบและการปรับพารามิเตอร์ทางพันธุกรรมในการลดชุดทดสอบ J Softw Evol Proc. 2024;e2656. ก.พ. 2024
17. จอร์เดา, โรดอลโฟ; เบกเกอร์, แมทเธียส; แซนเดอร์, อินโก. IDeSyDe: การสำรวจพื้นที่การออกแบบอย่างเป็นระบบผ่านการระบุพื้นที่การออกแบบ ธุรกรรม ACM เกี่ยวกับการออกแบบระบบอัตโนมัติของระบบอิเล็กทรอนิกส์ ก.พ. 2024.
18. Squillero, G., Tonda, A. Veni, Vidi, Evolvi ความเห็นเกี่ยวกับ “Jaws 30” ของ WB Langdon Genet Program Evolvable 24 มีนาคม 24 (2023) พ.ย. 2023
19. เอเนโก้ โอซาบา, กอร์กา เบนกูเรีย, เฆซุส แอล. โลโบ, โจซู ดิแอซ-เดอ-อาร์กายา, จุนกัล อลอนโซ่, อินากี้ เอตซานิซ การเพิ่มประสิทธิภาพการกำหนดค่า IaC: กรณีศึกษาโดยใช้คอมพิวเตอร์ที่ได้รับแรงบันดาลใจจากธรรมชาติ CIIS 2023 พ.ย. 2023
20. Sapra, D., Pimentel, AD สำรวจระบบมัลติคอร์ที่มีความน่าเชื่อถือตลอดอายุการใช้งานและการแลกเปลี่ยนการใช้พลังงาน ระบบคอมพิวเตอร์ฝังตัว: สถาปัตยกรรม การสร้างแบบจำลอง และการจำลอง SAMOS 2023. เอกสารบรรยายในวิทยาการคอมพิวเตอร์ เล่ม 14385. Springer, Cham. พ.ย. 2023
21. ไซเอ็ด จูเน็ด อาลี, ยาน ไมเคิล ลารันโจ, โดมินิค บอร์ก กรอบแนวคิดแบบจำลองเชิงแนวคิดที่ใช้อัลกอริทึมทางพันธุกรรมทั่วไปและปรับแต่งได้ การประชุม EDOC นานาชาติครั้งที่ 27 (EDOC 2023) - การออกแบบ การดำเนินงาน และคอมพิวเตอร์ระดับองค์กร ก.ย. 2023.
22. เอ. เอยาซาฟ, อี. ฟาร์ชี, โอ. มาร์กาลิต, จี. ไวส์ และ วาย. ไวส์ เกณฑ์ความครอบคลุมทั่วไปสำหรับการทดสอบลำดับแบบผสมผสาน ธุรกรรม IEEE เกี่ยวกับวิศวกรรมซอฟต์แวร์ ฉบับที่ 49, ไม่ใช่. 08 หน้า 4023-4034. ส.ค. 2023.
23. จูเลียน แอมบลาร์ด, โรเบิร์ต ฟิลแมน, กาเบรียล โคปิโต GPStar4: กรอบงานที่ยืดหยุ่นสำหรับการทดลองการเขียนโปรแกรมทางพันธุกรรม OGECCO '23 Companion: การดำเนินการของการประชุม Companion Conference เกี่ยวกับการคำนวณทางพันธุกรรมและวิวัฒนาการ กรกฎาคม 2023
24. Garmendia, A. , Bork, D. , Eisenberg, M. , Ferreira, T. , Kessentini, M. , Wimmer, M. ใช้ประโยชน์จากปัญญาประดิษฐ์สำหรับการวิเคราะห์และออกแบบซอฟต์แวร์ตามแบบจำลอง การเพิ่มประสิทธิภาพกระบวนการพัฒนาซอฟต์แวร์ด้วยปัญญาประดิษฐ์ ซีรี่ส์คอมพิวเตอร์ธรรมชาติ สปริงเกอร์, สิงคโปร์ กรกฎาคม 2023
25. Sikora, M., Smołka, M. การประยุกต์ใช้อัลกอริทึมเชิงวิวัฒนาการและการเรียนรู้ของเครื่องในการประสานกันสี่ส่วน วิทยาศาสตร์คอมพิวเตอร์ – ICCS 2023 ICCS 2023 เอกสารบรรยายในวิทยาการคอมพิวเตอร์ เล่ม 14073 Springer มิถุนายน 2023
26. ดอลลี่ ซาปรา และแอนดี้ ดี. ปิเมนเทล สำรวจระบบ Multi-core ด้วยความน่าเชื่อถือตลอดอายุการใช้งานและการลดการใช้พลังงาน ซามอส '23. พฤษภาคม 2023
27. วิพิน ชุกลา, ไมนัก บันโยปัทยา. การเพิ่มประสิทธิภาพพารามิเตอร์อินพุตของแหล่งพลาสมาที่ขับเคลื่อนด้วย ANN ผ่านอัลกอริธึมวิวัฒนาการที่ได้รับแรงบันดาลใจจากธรรมชาติ ระบบอัจฉริยะพร้อมแอปพลิเคชัน เล่มที่ 18 ปี 2023 200200 ISSN 2667-3053 พฤษภาคม 2023
28. พี. ไฟชเทนชลาเกอร์, เค. ชูตซ์, เอส. จาบูเร็ก, ซี. ชูตซ์, อี. กริงิงเจอร์ การดำเนินการรักษาความเป็นส่วนตัวของกลไกการประมูลสำหรับการสลับสล็อต ATFM การดำเนินการของการประชุมการสื่อสารแบบบูรณาการ การนำทาง และการเฝ้าระวังครั้งที่ 23 (ICNS 2023), วอชิงตัน ดี.ซี., สหรัฐอเมริกา, 18-20 เมษายน 2023, สำนักพิมพ์ IEEE, 12 หน้า เมษายน 2023.
29. คริสตอฟ ลาเบอร์, เทา เยว่, เชาคัท อาลี การจัดลำดับความสำคัญของ Microbenchmark ของซอฟต์แวร์ที่ใช้การค้นหาหลายวัตถุประสงค์ ArXiv/วิทยาการคอมพิวเตอร์/วิศวกรรมซอฟต์แวร์ พ.ย. 2022
30. ริคาร์โด้ เฟร์เรร่า วิเลลา, ชูเอา โชมา เนโต้, วิคเตอร์ อูโก้ ซานติอาโก้ คอสต้า ปินโต, เปาโล เซอร์จิโอ โลเปส เด ซูซ่า, ซิโมเน่ โด โรซิโอ เซนเจอร์ เดอ ซูซ่า การเพิ่มประสิทธิภาพที่ได้รับแรงบันดาลใจทางชีวภาพเพื่อรองรับการสร้างข้อมูลทดสอบของซอฟต์แวร์ที่ทำงานพร้อมกัน เห็นพ้องต้องกันและการคำนวณ: การปฏิบัติและประสบการณ์ พ.ย. 2022
31. G. Mateeva, D. Parvanov, I. Dimitrov, I. Iliev และ T. Balabanov ประสิทธิภาพของไลบรารีซอฟต์แวร์อัลกอริทึมทางพันธุกรรมของบุคคลที่สามในคอมพิวเตอร์แบบกระจายแบบเคลื่อนที่สำหรับการพยากรณ์อนุกรมเวลาทางการเงิน การประชุมนานาชาติอัตโนมัติและสารสนเทศ (ICAI) ปี 2022 ต.ค. 2022
32. กีแยร์เม่ เอสปาด้า, เลออน อิงเกลเซ่, เปาโล กาเนลาส, เปโดร บาร์โบซ่า, อัลซิเดส ฟอนเซก้า ประเภทข้อมูลเป็นส่วนหน้าตามหลักสรีระศาสตร์มากขึ้นสำหรับการเขียนโปรแกรมทางพันธุกรรมแบบใช้ไวยากรณ์ อาร์เอ็กซ์ ต.ค. 2022
33. คริสตอฟ จี. ชูตซ์, โธมัส โลรุนเซอร์, ซามูเอล จาบูเร็ก, เควิน ชูตซ์, ฟลอเรียน วอห์เนอร์, โรมัน คาร์ล และเอดูอาร์ด กริงกิงเจอร์ สถาปัตยกรรมแบบกระจายเพื่อการเพิ่มประสิทธิภาพการรักษาความเป็นส่วนตัวโดยใช้อัลกอริทึมทางพันธุกรรมและการคำนวณแบบหลายฝ่าย CoopIS 2022: ระบบสารสนเทศสหกรณ์ หน้า 168–185 ก.ย. 2022.
34. คริสตินา พลัมป์, เบิร์นฮาร์ด เจ. เบอร์เกอร์, รอล์ฟ เดรชสเลอร์ การใช้ความหนาแน่นของข้อมูลการฝึกเพื่อปรับปรุงอัลกอริธึมเชิงวิวัฒนาการด้วยฟังก์ชันฟิตเนสโดยประมาณ WCCI2022 IEEE WORLD CONGRESS เรื่องความฉลาดทางคอมพิวเตอร์ กรกฎาคม 2022
35. คริสตินา พลัมป์, เบิร์นฮาร์ด เจ. เบอร์เกอร์, รอล์ฟ เดรชสเลอร์ การปรับตัวดำเนินการการกลายพันธุ์และการรวมตัวกันใหม่ให้เข้ากับความสัมพันธ์ที่รับรู้ระยะไกลในข้อมูลแอปพลิเคชันในโลกแห่งความเป็นจริง GECCO '22: การดำเนินการของสหายการประชุมการคำนวณทางพันธุกรรมและวิวัฒนาการ หน้า 755–758. กรกฎาคม 2022
36. เอริก เมดเว็ต, จอร์จิอา นาดิซาร์, ลูก้า มานโซนี่ JGEA: กรอบงาน Java แบบแยกส่วนสำหรับการทดลองด้วยการคำนวณเชิงวิวัฒนาการ GECCO '22: การดำเนินการของ Companion การประชุมการคำนวณทางพันธุศาสตร์และวิวัฒนาการ หน้า 2009–2018. กรกฎาคม 2022
37. โมเช ซิปเปอร์, โทเมอร์ ฮัลเปริน, อิไต ซรูเอีย, อาชิยา เอยาซาฟ EC-KitY: ชุดเครื่องมือคำนวณเชิงวิวัฒนาการใน Python พร้อมการบูรณาการการเรียนรู้ของเครื่องจักรอย่างราบรื่น arXiv:2207.10367v1 [cs.NE] กรกฎาคม 2022
38. เอ. บิลเลอโดซ์ และ บี. เดไวรีส์ การใช้ความสัมพันธ์เชิงแปรสภาพและอัลกอริทึมทางพันธุกรรมเพื่อทดสอบซอฟต์แวร์โอเพ่นซอร์ส 2022 การประชุมนานาชาติ IEEE เกี่ยวกับเทคโนโลยีสารสนเทศไฟฟ้า (eIT), 2022, หน้า 342-345 กรกฎาคม 2022
39. R. Koitz-Hristov, L. Stracke และ F. Wotawa. ตรวจสอบความครอบคลุมเพื่อลดชุดทดสอบ – คุ้มค่ากับความพยายามหรือไม่ การประชุมนานาชาติ IEEE/ACM เรื่องระบบอัตโนมัติของการทดสอบซอฟต์แวร์ (AST) ปี 2022 หน้า 6-16 มิถุนายน 2022.
40. อับเดสซาเหม็ด อูเอสไซ, โมฮัมเหม็ด ซาเลม, อันโตนิโอ เอ็ม. โมรา การพัฒนาพารามิเตอร์การเลือกการกระทำล่วงหน้าสำหรับ MCTS ในเกมวางแผนแบบเรียลไทม์ คอมพิวเตอร์เพื่อความบันเทิง เล่มที่ 42 เมษายน 2022
41. มูซาตาฟา อับบาส อับบูด อัลบาดร์, ซาบรินา ตีอุน, มาสรี อาย็อบ, ฟาฮัด ทาฮา อัล-ดิฟ, ไครุดดิน โอมาร์ และ Mhd คาเลด เมน การรู้จำอารมณ์คำพูดโดยใช้อัลกอริธึมทางพันธุกรรมที่ได้รับการปรับให้เหมาะสม - เครื่องการเรียนรู้ขั้นสูงสุด เครื่องมือและแอปพลิเคชันมัลติมีเดีย มีนาคม 2022
42. คริสตินา พลัมป์, เบิร์นฮาร์ด เบอร์เกอร์, รอล์ฟ เดรชสเลอร์ การเลือกเทคนิคที่เหมาะสมสำหรับข้อจำกัดที่เหมาะสม - วิธีการเฉพาะโดเมนสำหรับการบังคับใช้ข้อจำกัดพื้นที่การค้นหาในอัลกอริธึมเชิงวิวัฒนาการ LDIC-2022 การประชุมนานาชาติเรื่อง Dynamics in Logistics กุมภาพันธ์ 2022
43. ก๊วก นัท ฮัน ทราน, นัน กวี เหงียน, ฮิชัม เชฮาเด, ลิโอเนล อาโมเดโอ, ฟารุค ยาเลาอุย การเพิ่มประสิทธิภาพการนัดหมายผู้ป่วยนอก: กรณีศึกษาบริการเคมีบำบัด วิทยาศาสตร์ประยุกต์/คอมพิวเตอร์และปัญญาประดิษฐ์ ม.ค. 2022.
44. อชิยา เอยาซาฟ, เอตัน ฟาร์ชี, โอเดด มาร์กาลิต, เกรา ไวส์, เยฮายาฮู ไวส์ การทดสอบลำดับเชิงผสมผสานโดยใช้โปรแกรมเชิงพฤติกรรมและเกณฑ์ความครอบคลุมทั่วไป วารสารระบบและซอฟต์แวร์. ม.ค. 2022.
45. กลุ่มความถี่. D4.1 รายงานเกี่ยวกับแนวคิดที่ทันสมัยที่เกี่ยวข้อง SLOTMACHINE - ผลลัพธ์และการส่งมอบสาธารณะ ประจำเดือน ธันวาคม 2021
46. หวง หวันเจี๋ย, หวัง ฮาวเทียน, เสวี่ยอี้ป๋อ การวิจัยเกี่ยวกับการเพิ่มประสิทธิภาพแบบจำลองการเลือกสินค้าในคลังสินค้าโดยใช้อัลกอริธึมทางพันธุกรรม การประชุมนานาชาติด้านเทคโนโลยีสารสนเทศ การศึกษา และการพัฒนา ประจำปี 2021 (ICITED 2021) ธ.ค. 2021.
47. Aalam Z., Kaur S., Vats P., Kaur A., ​​Saxena R. การวิเคราะห์ที่ครอบคลุมของความพยายามในการทดสอบโดยใช้เครื่องมือทดสอบ Avisar สำหรับซอฟต์แวร์เชิงวัตถุ ระบบอัจฉริยะที่ยั่งยืน หมายเหตุการบรรยายในเครือข่ายและระบบ เล่มที่ 334 สปริงเกอร์ สิงคโปร์ ธ.ค. 2021.
48. อันห์ วู โว, เดบร้า เอฟ. เลเฟอร์, โจนาธาน เบิร์น การเพิ่มประสิทธิภาพการวางแผนเส้นทางการบิน Urban LiDAR โดยใช้อัลกอริทึมทางพันธุกรรมและกรอบงานคอมพิวเตอร์คู่ขนาน การสำรวจระยะไกล เล่มที่ 13 ฉบับที่ 21 พ.ย. 2021
49. Pozas N., Durán F. เกี่ยวกับความสามารถในการปรับขนาดองค์ประกอบของแอปพลิเคชันเชิงบริการ ICSOC 2021: คอมพิวเตอร์เชิงบริการ หน้า 449-463 พ.ย. 2021
50. Küster, T., Rayling, P., Wiersig, R. และคณะ การเพิ่มประสิทธิภาพหลายวัตถุประสงค์ของตารางการผลิตที่ประหยัดพลังงานโดยใช้อัลกอริธึมทางพันธุกรรม การเพิ่มประสิทธิภาพและวิศวกรรม (2021) ต.ค. 2021.
51. บี. เดไวรีส์ และซี. เทรฟต์ซ แนวทางการค้นหาแบบใหม่และการทดสอบการเปลี่ยนแปลงเพื่อสร้างการทดสอบอัตโนมัติ 2021 IEEE/ACM การประชุมเชิงปฏิบัติการนานาชาติเรื่องการทดสอบซอฟต์แวร์จากการค้นหา (SBST) ครั้งที่ 14 ครั้งที่ 14 ปี 2021 หน้า 8-11 พฤษภาคม 2021.
52. ดับเบิลยู. ไกธเนอร์, ซ. อันเดลโควิช, โอ. ไกธเนอร์, เอฟ. แฮร์เฟิร์ธ, วี. แรปป์, เอ. เนเมธ, เอฟ. วิลเฮล์มสเทตเตอร์, AH Van Benschoten การเพิ่มประสิทธิภาพแหล่งไอออนโดยใช้อัลกอริธึมโปรไฟล์พันธุกรรมและเมทริกซ์แบบ BI-วัตถุประสงค์ IPAC2021 - การประชุมเครื่องเร่งอนุภาคนานาชาติครั้งที่ 12 พฤษภาคม 2021.
53. ซี. พลัมป์, บีเจ เบอร์เกอร์ และอาร์. เดรชสเลอร์ ตัวดำเนินการการรวมตัวใหม่และการกลายพันธุ์ที่รับรู้ถึงความสัมพันธ์ที่ขับเคลื่อนด้วยโดเมนสำหรับแอปพลิเคชันในโลกแห่งความเป็นจริงที่ซับซ้อน 2021 IEEE Congress on Evolutionary Computation (CEC), หน้า 540-548 กรกฎาคม 2021.
54. Sapra, D. , Pimentel, AD การออกแบบโครงข่ายประสาทเทียมแบบ convolutional ที่มีการฝึกอบรมทีละน้อยแบบวิวัฒนาการที่จำกัด แอปเพิล อินเทล (2021) กรกฎาคม 2021.
55. มิเคลา ลอรันดี, ลีโอนาร์โด ลูซิโอ คัสโตเด, จิโอวานนี ไออัคกา การปรับปรุงทางพันธุกรรมของการกำหนดเส้นทางในเครือข่ายที่ทนต่อความล่าช้า GECCO '21: การดำเนินการของสหายการประชุมการคำนวณทางพันธุกรรมและวิวัฒนาการ กรกฎาคม 2021 หน้า 35–36
56. พลัม, คริสตินาและเบอร์เกอร์, เบิร์นฮาร์ด เจ. และเดรชสเลอร์, รอล์ฟ การปรับปรุงอัลกอริธึมเชิงวิวัฒนาการโดยการปรับปรุงฟังก์ชันฟิตเนสโดยประมาณผ่านช่วงการทำนาย IEEE Congress ว่าด้วยการคำนวณเชิงวิวัฒนาการ (IEEE CEC-2021) มิถุนายน 2021.
57. ฟอลเทาส์, ซาราห์, อับดุลมักซูด, อายา, เคมเป, มาร์คุส, อัลท์, ฟลอเรียน และชนีกัส, สเตฟาน GeniePutt: เพิ่มทักษะการเคลื่อนไหวของมนุษย์ด้วยการกระตุ้นกล้ามเนื้อไฟฟ้า มัน - เทคโนโลยีสารสนเทศ เล่ม. , เลขที่. , 2021. พฤษภาคม 2021.
58. ยี่หมิง ถัง, ราฟฟี่ คัตชาดูเรียน, เมห์ดี บาเกอร์ซาเดห์, เรีย ซิงห์, อาจานี สจ๊วร์ต และอานิต้า ราชา การศึกษาเชิงประจักษ์ของการรีแฟคเตอร์และหนี้ทางเทคนิคในระบบการเรียนรู้ของเครื่อง ในการประชุมนานาชาติด้านวิศวกรรมซอฟต์แวร์ ICSE '21 พฤษภาคม 2021.
59. Arifin HH, Robert Ong HK, Dai J., Daphne W., Chimplee N. วิศวกรรมสายผลิตภัณฑ์ตามแบบจำลองพร้อมอัลกอริทึมทางพันธุกรรมสำหรับการเลือกส่วนประกอบอัตโนมัติ ใน: Krob D., Li L., Yao J., Zhang H., Zhang X. (eds) การออกแบบและการจัดการระบบที่ซับซ้อน. สปริงเกอร์, จาม. เมษายน 2021.
60. มิเชลลา ลอรานดิ, เลโอนาร์โด ลูซิโอ คัสโตเด และจิโอวานนี ไออักกา การปรับปรุงทางพันธุกรรมของโปรโตคอลการกำหนดเส้นทางสำหรับเครือข่ายที่ทนต่อความล่าช้า arXiv:2103.07428v1 มีนาคม 2021
61. อามีน อาซิซ-อลาอุย, คาโรลา โดเออร์, โยฮันน์ เดรโอ มุ่งสู่การออกแบบอัลกอริทึมอัตโนมัติขนาดใหญ่โดยการบูรณาการเฟรมเวิร์กการเปรียบเทียบแบบโมดูลาร์ E arXiv:2102.06435 ก.พ. 2021.
62. โดมินิค บอร์ก,อันโตนิโอ การ์เมนเดีย และมานูเอล วิมเมอร์ สู่แนวทางการทำให้เป็นโมดูลหลายวัตถุประสงค์สำหรับโมเดลความสัมพันธ์เอนทิตี ER 2020 การประชุมนานาชาติเรื่องการสร้างแบบจำลองแนวคิดครั้งที่ 39 พ.ย. 2020.
63. ซาร์ฟาราซี ส.; ไดส์เซนรอธ-อูห์ริก ม.; Bertsch, V. การรวมตัวของครัวเรือนในระบบพลังงานชุมชน: การวิเคราะห์จากมุมมองของนักแสดงและตลาด พลังงาน 2020, 13, 5154 ต.ค. 2020.
64. เอ็ม. ชิเปก, ดี. มูฮาเรมาจิช, บี. มิฮาลเยวิช และเอ. ราโดวาน เพิ่มประสิทธิภาพของแอพพลิเคชั่นซอฟต์แวร์บนคลาวด์ด้วย GraalVM และ Quarkus 2020 อนุสัญญาระหว่างประเทศว่าด้วยข้อมูล การสื่อสาร และเทคโนโลยีอิเล็กทรอนิกส์ ครั้งที่ 43 (MIPRO), Opatija, โครเอเชีย, 2020, หน้า 1746-1751 ต.ค. 2020.
65. Vats P., Mandot M. การวิเคราะห์ที่ครอบคลุมสำหรับการตรวจสอบความถูกต้องของเครื่องมือทดสอบเชิงวัตถุของ AVISAR Joshi A., Khosravy M., Gupta N. (eds) การเรียนรู้ของเครื่องเพื่อการวิเคราะห์เชิงทำนาย หมายเหตุการบรรยายในเครือข่ายและระบบ เล่มที่ 141 สปริงเกอร์ สิงคโปร์ ต.ค. 2020.
66. Thakur, K. , Kumar, G. เทคนิคและการประยุกต์ที่ได้รับแรงบันดาลใจจากธรรมชาติในระบบตรวจจับการบุกรุก: ความคืบหน้าล่าสุดและมุมมองที่ได้รับการปรับปรุง จดหมายเหตุของวิธีการคำนวณทางวิศวกรรม (2020) ส.ค. 2020.
67. นูร์ ฮิดายาห์ มัท ยาซิน, อับดุล ซาห์ลี ฟาครูดิน, อับดุล วาฟี อัฟนาน อับดุล ฮาดี, มูฮัมหมัด ฮาริธ โมฮัมหมัด ไครุดดิน, นูร์ ไรฮานา อาบู เซเปียน, ฟาร์ฮาน โมฮัมหมัด ซาอิด, นอราซวินา ไซนอล การเปรียบเทียบวิธีการพื้นผิวการตอบสนองและโครงข่ายประสาทเทียมสำหรับการสกัดด้วยตัวทำละลายเมทิลเอสเตอร์ของกรดไขมันจากเศษปลา วารสารเกษตรสมัยใหม่นานาชาติ เล่มที่ 9 ฉบับที่ 3 ปี 2020 ISSN: 2305-7246 ก.ย. 2020.
68. Cicirello, VA Chips-n-Salsa: ไลบรารี Java ของอัลกอริทึมการค้นหาในท้องถิ่นที่ปรับแต่งได้, ผสมผสานได้, วนซ้ำ, ขนาน, สุ่ม และปรับเปลี่ยนได้เอง วารสารซอฟต์แวร์โอเพ่นซอร์ส 5(52) 2448 ส.ค. 2020
69. หลี่ หยวนหยวน; คาราเบลลี่, สเตฟาโน;ฟัดด้า, เอโดอาร์โด้; มาแนร์บา, ดานิเอเล; ทาเดอิ, โรแบร์โต; เตอร์โซ, โอลิเวียร์. การเรียนรู้ของเครื่องและการเพิ่มประสิทธิภาพสำหรับการปรับเปลี่ยนกำหนดการผลิตในอุตสาหกรรม 4.0 วารสารนานาชาติด้านเทคโนโลยีการผลิตขั้นสูง - ISSN 1433-3015. ส.ค. 2020.
70. ดอลลี่ ซาปรา และแอนดี้ ดี. ปิเมนเทล อัลกอริธึมการปรับให้เหมาะสมเชิงวิวัฒนาการสำหรับฟังก์ชันวัตถุประสงค์ที่ค่อยๆ อิ่มตัว GECCO '20, แคนคูน, เม็กซิโก กรกฎาคม. 2020.
71. ดอลลี่ ซาปรา และแอนดี้ ดี. ปิเมนเทล การฝึกอบรมทีละน้อยเชิงวิวัฒนาการเพื่อการออกแบบโครงข่ายประสาทเทียมแบบ Convolutional IEA/AIE 2020 – คิตะคิวชู ประเทศญี่ปุ่น กรกฎาคม. 2020.
72. เฟมี เอ็มมานูเอล อาโย, ซาคินาท โอลูวาบูคอนลา โฟโลรุนโซ, อเดบาโย เอ. อบาโยมิ-อัลลี, อเดโบลา โอลายิงก้า อเดคุนเล, โจเซฟ บามิเดล อาโวตุนเด การตรวจจับการบุกรุกเครือข่ายตามโมเดลการเรียนรู้เชิงลึกที่ปรับให้เหมาะสมด้วยการเลือกคุณสมบัติไฮบริดตามกฎ วารสารความปลอดภัยของข้อมูล: มุมมองระดับโลก พฤษภาคม 2020.
73. Zainol N., Fakharudin AS, การเพิ่มประสิทธิภาพแบบจำลอง Zulaidi NIS โดยใช้อัลกอริทึมปัญญาประดิษฐ์สำหรับการย่อยสลายเศษอาหารทางชีวภาพ Yaser A. (eds) ความก้าวหน้าในเทคโนโลยีการแปรรูปของเสีย สปริงเกอร์, สิงคโปร์ พฤษภาคม 2020.
74. ซอนยา โวเนวา, มานาร์ มัซกัตลี, โยฮันเนส โกรห์มันน์ และแอนน์ โคซิโอเล็ก การปรับการพึ่งพาพารามิเตอร์ให้เหมาะสมสำหรับการดึงโมเดลประสิทธิภาพที่เพิ่มขึ้น สถาบันเทคโนโลยีคาร์ลสรูเฮอ เมืองคาร์ลสรูเฮอ ประเทศเยอรมนี เมษายน. 2020.
75. ราอุล ลารา-กาเบรรา, อังเคล กอนซาเลซ-ปรีเอโต, เฟร์นันโด ออร์เตกา และเฆซุส โบบาดิยา การพัฒนาการกรองการทำงานร่วมกันโดยอาศัยเมทริกซ์แฟกทอไรเซชันโดยใช้การเขียนโปรแกรมทางพันธุกรรม MDPI วิทยาศาสตร์ประยุกต์ ก.พ. 2020.
76. Humm BG, Hutter M. รูปแบบการเรียนรู้สำหรับการตรวจจับเหตุการณ์ที่ซับซ้อนในข้อมูลเซ็นเซอร์หุ่นยนต์ การเพิ่มประสิทธิภาพและการเรียนรู้ OLA 2020 การสื่อสารในวิทยาการคอมพิวเตอร์และสารสนเทศ เล่ม 1173 Springer ก.พ. 2020
77. Erich C. Teppan, Giacomo Da Col. อัลกอริทึมทางพันธุกรรมสำหรับการสร้างกฎการจัดส่งงานขนาดใหญ่ ความก้าวหน้าในการบูรณาการวิธีการอันชาญฉลาด นวัตกรรม ระบบ และเทคโนโลยีอันชาญฉลาด เล่มที่ 170 สปริงเกอร์ สิงคโปร์ ม.ค. 2020.
78. ริคาร์โด้ เปเรซ-กัสติลโล, ฟรานซิสโก รุยซ์, มาริโอ เปียตตินี่ ระบบสนับสนุนการตัดสินใจสำหรับการสร้างแบบจำลองสถาปัตยกรรมองค์กร ระบบสนับสนุนการตัดสินใจ ม.ค. 2020.
79. ซาบรีนา แอปเพล, โวล์ฟกัง ไกธเนอร์, สเตฟาน ไรมันน์, มาริอุสซ์ ซาปินสกี้, ราหุล ซิงห์ และโดมินิค วิลส์ไมเออร์ การประยุกต์ใช้อัลกอริธึมการหาค่าเหมาะที่สุดที่ได้รับแรงบันดาลใจจากธรรมชาติและการเรียนรู้ของเครื่องสำหรับซินโครตรอนไอออนหนัก วารสารฟิสิกส์สมัยใหม่นานาชาติ ก. ธ.ค. 2019
80. โอม เอลเซกี้, MF อัลราห์มาวี, ซามีร์ เอลมูกี้ อัลกอริธึมการรับพันธุกรรมและข้อมูลลูกผสมแบบใหม่สำหรับการใส่ค่าที่หายไปในชุดข้อมูลยีนมะเร็ง PInternational Journal of Intelligent Systems and Applications (IJISA), Vol.11, No.12, pp.20-33, DOI: 10.5815/ijisa.2019.12.03. ธ.ค. 2019.
81. โอลิเวอร์ สเตราส์, อาหมัด อัลไฮดาท และโฮลเกอร์ เคตต์ การใช้กลยุทธ์การเรียนรู้แบบฮิวริสติกและแมชชีนเลิร์นนิงกับ ProductResolution การดำเนินการของการประชุมนานาชาติครั้งที่ 15 ว่าด้วยระบบสารสนเทศและเทคโนโลยีบนเว็บ (WEBIST 2019) หน้า 242-249 พ.ย. 2019.
82. หยวนหยวน ลี, สเตฟาโน คาราเบลลี่, เอโดอาร์โด้ ฟัดด้า, ดานิเอเล มาแนร์บา, โรแบร์โต ทาเดอี1 และโอลิวิเย่ร์ แตร์โซ การบูรณาการการเรียนรู้ของเครื่องและการเพิ่มประสิทธิภาพเทคนิคเพื่อการปรับเปลี่ยนตารางงานในร้านค้างานอย่างยืดหยุ่นในอุตสาหกรรม 4.0 Politecnico di Torino กลุ่มวิจัยปฏิบัติการและการเพิ่มประสิทธิภาพ ต.ค. 2019.
83. Höttger R., Igel B., Spinczyk O. การจัดจำหน่ายซอฟต์แวร์ที่มีข้อจำกัดสำหรับระบบยานยนต์ การสื่อสารทางคอมพิวเตอร์และสารสนเทศศาสตร์ เล่ม 1,078 ต.ค. 2019
84. จินวูลี, กวางซอนจาง, โฮฮยอนจุง, แจกิลลี, อึยชินลี การเพิ่ม MapReduce ให้สูงสุด ความเร็วและความน่าเชื่อถือของงานในระบบคลาวด์บนมือถือโดยการปรับการจัดสรรงานให้เหมาะสม คอมพิวเตอร์ที่แพร่หลายและเคลื่อนที่ ต.ค. 2019.
85. ครอว์ซิค, ลูคัส, มาห์มูด บัซซาล, ราม ปราซัด โกวินดาราจัน และคาร์สเทน วูล์ฟ การวิเคราะห์เวลาตามแบบจำลองและการเพิ่มประสิทธิภาพการปรับใช้สำหรับระบบมัลติคอร์ที่แตกต่างกันโดยใช้ Eclipse APP4MC การประชุมนานาชาติ ACM/IEEE ครั้งที่ 22 เรื่องภาษาและระบบวิศวกรรมแบบจำลองที่ขับเคลื่อนด้วยโมเดล ประจำปี 2019: 44-53 ก.ย. 2019.
86. จูนิโอ เซซาร์ ริเบโร ดา ซิลวา, ลอเรน่า เลเอา, วินิซิอุส เปตรุชชี, อับดูลาย กามาติเอ, เฟอร์นันโด มักโนควินเตา เปเรย์รา การจัดตารางเวลาในสถาปัตยกรรมที่แตกต่างกันผ่านการถดถอยเชิงเส้นหลายตัวแปรบนอินพุตฟังก์ชัน เลิร์มม์-02281112. ก.ย. 2019.
87. เอริก โอ. สก็อตต์, ฌอน ลุค. ECJ ที่ 20: ไปยังชุดเครื่องมือ metaheuristics ทั่วไป GECCO '19: การดำเนินการของสหายการประชุมการคำนวณทางพันธุกรรมและวิวัฒนาการ หน้า 1391–1398 กรกฎาคม 2019.
88. Francisco G. Montoya และ Raúl Baños Navarro (บรรณาธิการ). วิธีการเพิ่มประสิทธิภาพที่ใช้กับระบบไฟฟ้า เล่มที่ 2 หนังสือ MDPI, ISBN 978-3-03921-156-2 กรกฎาคม 2019.
89. เฮิตต์เกอร์, โรเบิร์ต & กี, จุนฮยอง & บุย, เบา & อิเกล, เบิร์กฮาร์ด & สปินซิก, โอลาฟ เวลาตอบสนองของ CPU-GPU และการวิเคราะห์การทำแผนที่สำหรับระบบยานยนต์ประสิทธิภาพสูง การประชุมเชิงปฏิบัติการระดับนานาชาติครั้งที่ 10 เกี่ยวกับเครื่องมือวิเคราะห์และระเบียบวิธีสำหรับระบบสมองกลฝังตัวและระบบเรียลไทม์ (WATERS) จัดขึ้นร่วมกับการประชุม Euromicro Conference on Real-Time Systems ครั้งที่ 31 (ECRTS'19) กรกฎาคม 2019.
90. แม็กซิม คอร์ดี้, สตีฟ มุลเลอร์, ไมค์ ปาปาดาคิส และอีฟ เลอ ตราออน การทดสอบตามการค้นหาและการปรับปรุงระบบตรวจจับความผิดปกติด้วยการเรียนรู้ของเครื่อง การดำเนินการของการประชุมวิชาการนานาชาติ ACM SIGSOFT ครั้งที่ 28 ว่าด้วยการทดสอบและวิเคราะห์ซอฟต์แวร์ (ISSTA 2019) พลอากาศเอก, นิวยอร์ก, นิวยอร์ก, สหรัฐอเมริกา, 158-168 กรกฎาคม 2019.
91. ไมเคิล วิสเตน, ยาน เฟเบอร์, เคลเมนส์ ชมิดท์-ไอเซนโลห์, แดเนียล ไรเตอร์ การจัดการวัสดุเสริมโดยอัตโนมัติโดยใช้ระบบจับยึดแบบหลายจลนศาสตร์ ปริมาณการผลิต Procedia 38, 2019, หน้า 1276-1283 มิถุนายน 2019.
92. นิโคลอส นิโคลาคิส, อิออนนิส สเตทาคิส, โซติริออส มาคริส เกี่ยวกับระบบข้อมูลเชิงวิวัฒนาการเพื่อการสนับสนุนส่วนบุคคลแก่ผู้ปฏิบัติงานในโรงงาน การประชุม CIRP ครั้งที่ 52 ว่าด้วยระบบการผลิต (CMS) เมืองลูบลิยานา ประเทศสโลวีเนีย มิถุนายน 2019.
93. ไมเคิล ทร็อตเตอร์, ทิโมธี วูด และจินโฮ ฮวาง การพยากรณ์พายุ: การทำนายการกำหนดค่าที่เหมาะสมที่สุดโดยใช้อัลกอริทึมทางพันธุกรรมและการเรียนรู้แบบมีผู้สอน การประชุมนานาชาติ IEEE ครั้งที่ 13 เรื่องระบบการปรับตัวและการจัดระเบียบด้วยตนเอง (SASO 2019) มิถุนายน 2019.
94. ครอคซิค, ลูคัส & บาซซาล, มาห์มูด & ปราซัธ โกวินดาราจัน, แรม & วูล์ฟ, คาร์สเทน วิธีการวิเคราะห์สำหรับการคำนวณเวลาตอบสนองตั้งแต่ต้นทางถึงปลายทางในแอปพลิเคชันการขับขี่อัตโนมัติ การประชุมเชิงปฏิบัติการระดับนานาชาติครั้งที่ 10 เกี่ยวกับเครื่องมือวิเคราะห์และวิธีการสำหรับระบบสมองกลฝังตัวและระบบเรียลไทม์ (WATERS 2019) มิถุนายน 2019.
95. โรดอลโฟ อายาลา โลเปส, ติอาโก้ มาเซโด โกเมส และอลัน โรเบิร์ต เรเซนเด เด เฟรตาส แพลตฟอร์มซอฟต์แวร์อัลกอริทึมเชิงวิวัฒนาการเชิงสัญลักษณ์ การดำเนินการของ Companion Computation Conference ทางพันธุกรรมและวิวัฒนาการ (GECCO '19) กรกฎาคม 2019.
96. อเล็กซานดาร์ โปรโคเปช, อันเดรีย โรซา, เดวิด เลโอโปลด์เซเดอร์, จิลส์ ดูบอสค์, ปีเตอร์ ทูมา, มาร์ติน สตูเดเนอร์, ลูโบมีร์ บูเลจ์, ยูดี้ เจิ้ง, อเล็กซ์ วิลลาซอน, ดั๊ก ไซมอน, โธมัส เวือร์ธิงเกอร์, วอลเตอร์ บินเดอร์ Renaissance: ชุดการเปรียบเทียบประสิทธิภาพสำหรับแอปพลิเคชันแบบขนานบน JVM PLDI '19, ฟีนิกซ์, แอริโซนา, สหรัฐอเมริกา มิถุนายน 2019.
97. โรเบิร์ต เฮิร์ทเกอร์, ลูคัส ครอว์ซิค, เบิร์กฮาร์ด ไอเจล, โอลาฟ สปินซิค การวิเคราะห์การทำแผนที่หน่วยความจำสำหรับระบบยานยนต์ การดำเนินการนำเสนอโดยย่อ (RTAS 2019) เม.ย. 2019.
98. Al Akkad, MA, & Gazimzyanov, FF ระบบอัตโนมัติสำหรับการประเมินลักษณะการจัดองค์ประกอบภาพ 2 มิติ: การกำหนดค่าแบบจำลองทางคณิตศาสตร์ ปัญญา. น้อง. โปรอิซฟ., 17(1), 26-33. ดอย: 10.22213/2410-9304-2019-1-26-33. เม.ย. 2019.
99. อัลเคย์ด, อ.; บาโญส ร.; Arrabal-Campos, FM; Montoya, การเพิ่มประสิทธิภาพ FG ของพลังงานไฟฟ้าที่หดตัวโดยใช้อัลกอริทึมทางพันธุกรรม Energies, เล่มที่ 12, ฉบับที่ 7, เม.ย. 2019
100. Abdul Sahli Fakharudin, Norazwina Zainol, Zulsyazwan Ahmad Khushairi การสร้างแบบจำลองและการปรับให้เหมาะสมของการจัดระเบียบ biodelignification หลักของน้ำมันปาล์มโดยใช้เครือข่ายประสาทและอัลกอริทึมทางพันธุกรรม IEEA '19: การดำเนินการประชุมนานาชาติครั้งที่ 8 เรื่องสารสนเทศสิ่งแวดล้อมพลังงานและการใช้งาน หน้า 155–158, มี.ค. 2019
101. Aleksandar Prokopec, Andrea Rosà, David Leopoldseder, Gilles Duboscq, Petr Tůma, Martin Studener, Lubomír Bulej, Yudi Zheng, Alex Villazón, Doug Simon, Thomas Wuerthinger, Walter Binder ในการประเมินชุดการเปรียบเทียบเรเนซองส์: ความหลากหลายประสิทธิภาพและความซับซ้อน มหาวิทยาลัยคอร์เนลล์: ภาษาการเขียนโปรแกรม, มีนาคม 2019
102. S. Appel, W. Geithner, S. Reimann, M Sapinski, R. Singh, การเพิ่มประสิทธิภาพ DM Vilsmeier ของ synchrotrons หนัก-ไอออนโดยใช้อัลกอริธึมที่ได้รับแรงบันดาลใจจากการสร้างแรงบันดาลใจและการเรียนรู้ของเครื่อง ครั้งที่ 13 int. การคำนวณเร่งการคำนวณฟิสิกส์ conf., กุมภาพันธ์ 2019
103. Saad, Christian, Bernhard Bauer, Ulrich R Mansmann และ Jian Li Autoanalyze ในระบบชีววิทยา ข้อมูลเชิงลึกทางชีวภาพและชีววิทยา, มกราคม 2019
104. Gandeva Bayu Satrya, Soo Young Shin วิธีการคำนวณแบบวิวัฒนาการเพื่อเพิ่มประสิทธิภาพการกำหนดตารางเวลา SuperFrame บนเครือข่ายเซ็นเซอร์ไร้สายอุตสาหกรรม Cornell University, Dec. 2018
105. HR Maier, S. Razavi, Z. Kapelan, LS Matott, J. Kasprzyk, Ba Tolson ภาพรวมเบื้องต้น: การเพิ่มประสิทธิภาพโดยใช้อัลกอริทึมวิวัฒนาการและ metaheuristics อื่น ๆ การสร้างแบบจำลองและซอฟต์แวร์ด้านสิ่งแวดล้อม, ธันวาคม 2018
106. Erich C. Teppan และ Giacomo da พ.อ. การสร้างกฎการจัดส่งอัตโนมัติสำหรับร้านค้างานขนาดใหญ่โดยใช้อัลกอริทึมทางพันธุกรรม CIMA 2018, การประชุมเชิงปฏิบัติการระหว่างประเทศเกี่ยวกับการรวมกันของวิธีการและแอปพลิเคชันอัจฉริยะ, พ.ย. 2018
107. Pasquale Salzaa, Filomena Ferrucci เพิ่มความเร็วอัลกอริทึมทางพันธุกรรมในคลาวด์โดยใช้ภาชนะซอฟต์แวร์ ระบบคอมพิวเตอร์ในอนาคต, ต.ค. 2018
108. Ghulam Mubashar Hassan และ Mark Reynolds อัลกอริทึมทางพันธุกรรมสำหรับการกำหนดเวลาและการเพิ่มประสิทธิภาพของเครือข่ายรถไฟแร่ GCAI-2018 การประชุมระดับโลกครั้งที่ 4 เกี่ยวกับปัญญาประดิษฐ์, ก.ย. 2018
109. Drezewski, Rafal & Kruk, Sylwia & Makowka, Maciej การเพิ่มประสิทธิภาพเชิงวิวัฒนาการของผลตอบแทนของ บริษัท ต่อปัจจัยด้านทุน: ไปสู่ระบบที่ได้รับแรงบันดาลใจจากตัวแทนทางชีวภาพที่สนับสนุนการตัดสินใจทางการเงินขององค์กร การเข้าถึง IEEE 6. 10.1109/Access.2018.2870201, Sep. 2018
110. Arifin, HH, Chimplee, N. , Kit Robert Ong, H. , Daengdej, J. และ Sortrakul, T. ส่วนประกอบอัตโนมัติ - การเลือกการสังเคราะห์การออกแบบสำหรับสถาปัตยกรรมทางกายภาพด้วยวิศวกรรมระบบตามแบบจำลองโดยใช้การแลกเปลี่ยนวิวัฒนาการ International Symposium, 28: 1296-1310, สิงหาคม 2018
111. Ong, Robert & Sortrakul, Thotsapon การเปรียบเทียบวิธีการเลือกของอัลกอริทึมทางพันธุกรรมสำหรับการเลือกส่วนประกอบอัตโนมัติของการสังเคราะห์การออกแบบด้วยวิศวกรรมระบบแบบจำลอง การประชุม: I-SEEC 2018, พฤษภาคม 2018
112. Stephan Pirnbaum Die Evolution IM Algorithmus - Teil 2: Multikriterielle Optimierung และ Architekturerkennung Javaspektrum 03/2018, pp 66–69, พฤษภาคม 2018
113. W. Geithner, Z. Andelkovic, S. Appel, O. Geithner, F. Herfurth, S. Reimann, G. Vorobjev, F. Wilhelmstötter อัลกอริทึมทางพันธุกรรมสำหรับการเพิ่มประสิทธิภาพของเครื่องในสภาพแวดล้อมระบบควบคุมที่เป็นธรรม การประชุม Accelerator อนุภาคนานาชาติครั้งที่ 9 (IPAC'18), พฤษภาคม 2018
114. Stephan Pirnbaum Die Evolution IM Algorithmus - Teil 1: Grundlagen Javaspektrum 01/2018, pp 64–68, มกราคม 2018
115. Alexander Felfernig, Rouven Walter, José A. Galindo, David Benavides, Seda Polat Erdeniz, Müslüm Atas, Stefan Reiterer ทุกเวลาการวินิจฉัยสำหรับการกำหนดค่าใหม่ วารสารระบบข้อมูลอัจฉริยะ, หน้า 1–22, มกราคม 2018
116. บรูซเอ. จอห์นสัน จากข้อมูลดิบไปสู่การเปลี่ยนแปลงทางเคมีของโปรตีนแบ็คโบนโดยใช้การประมวลผล NMRFX และการวิเคราะห์ NMRViewJ โปรตีน NMR: วิธีการและโปรโตคอล, หน้า 257--310, Springer New York, พ.ย. 2017
117. Cuadra P. , Krawczyk L. , Höttger R. , Heisig P. , Wolff C. การจัดตารางเวลาอัตโนมัติสำหรับระบบมัลติคอร์แบบฝังตัวแบบผสมผสานอย่างแน่นหนาโดยใช้อัลกอริทึมทางพันธุกรรมไฮบริด เทคโนโลยีข้อมูลและซอฟต์แวร์: การประชุมนานาชาติ 23, ICIST 2017, Druskininkai, Lithuania การสื่อสารในคอมพิวเตอร์และสารสนเทศวิทยาศาสตร์, ฉบับที่ 756 Springer, Cham, Sep. 2017
118. Michael Trotter, Guyue Liu, Timothy Wood เข้าสู่พายุ: การกำหนดค่าที่ดีที่สุดโดยใช้อัลกอริทึมทางพันธุกรรมและการเพิ่มประสิทธิภาพแบบเบย์ รากฐานและการประยุกต์ใช้ระบบตนเอง* (FAS* W), 2017 การประชุมเชิงปฏิบัติการ IEEE 2nd International Sep. 2017
119. Emna Hachicha, Karn Yongsiriwit, Mohamed Sellami การจัดสรรทรัพยากรคลาวด์ที่กำหนดค่าตามพันธุกรรมในการพัฒนากระบวนการทางธุรกิจที่รับรู้ถึง QoS เทคโนโลยีข้อมูลและซอฟต์แวร์: การประชุมนานาชาติ 23, ICIST 2017, Druskininkai, Lithuania บริการเว็บ (ICWS), 2017 การประชุมนานาชาติ IEEE, มิ.ย. 2017
120. Abraão G. Nazário, Fábio Ra Silva, Raimundo Teive, Leonardo Villa, AntônioFlávio, João Zico, Eire Fragoso, Ederson F. Souza AutomaçãoDomótica Simulada Utilizando Algoritmo Genético Especializado na redução do consengia de Energia คอมพิวเตอร์บนชายหาด 2017 pp. 180-189, มีนาคม 2017
121. Bandaru, S. และ Deb, K. Metaheuristic Techniques วิทยาศาสตร์การตัดสินใจ CRC Press, pp. 693-750, พ.ย. 2016
122. Lyazid Toumi, Abdelouahab Moussaoui และ Ahmet Ugur EMED-PART: วิธีการที่มีประสิทธิภาพสำหรับการแบ่งพาร์ติชันแนวนอนในคลังข้อมูล การดำเนินการประชุมนานาชาติเรื่องการประมวลผลข้อมูลอัจฉริยะการรักษาความปลอดภัยและการสื่อสารขั้นสูง DJALLEL EDDINE BOUBICHE, FAOUZI HIDOUSSI และ HOMERO Toral Cruz (Eds.) ACM, New York, NY, USA, มาตรา 43, 7 หน้า, 2015
123. Andreas Holzinger (บรรณาธิการ), IGO Jurisica (บรรณาธิการ) การค้นพบความรู้เชิงโต้ตอบและการขุดข้อมูลในสารสนเทศชีวการแพทย์ บันทึกการบรรยายในวิทยาศาสตร์คอมพิวเตอร์ฉบับที่ 8401. Springer, 2014
124. Lyazid Toumi, Abdelouahab Moussaoui, Ahmet Ugur การเพิ่มประสิทธิภาพฝูงอนุภาคสำหรับบิตแมปเข้าร่วมดัชนีปัญหาการเลือกในคลังข้อมูล วารสาร Supercomputing เล่มที่ 68 ฉบับที่ 2, pp 672-708, พฤษภาคม 2014
125. Tang Yi (สำนักแหล่งจ่ายไฟกวางโจว จำกัด , กวางโจว 511400, จีน) การศึกษาเกี่ยวกับอัลกอริทึมการเพิ่มประสิทธิภาพการจัดสรรการจัดสรรปฏิกิริยาการจัดสรรแบบออบเจ็กต์เชิงวัตถุสำหรับเครือข่ายการกระจาย , ตุลาคม 2555
126. John M. Linebarger, Richard J. Detry, Robert J. Glass, Walter E. Beyeler, Arlo L. Ames, Patrick D. Finley, S. Louise Maffitt ระบบปรับตัวที่ซับซ้อนของระบบวิศวกรรมระบบสภาพแวดล้อม 1.0 รายงานแซนด์, ก.พ. 2555

บันทึกประจำรุ่น

8.1.0

การปรับปรุง

• #822: ปรับปรุงบิลด์สคริปต์เพื่อสร้าง Javadoc รวมกัน
• #898: เพิ่มการสนับสนุนสำหรับการอ่านข้อมูลจากไฟล์ CSV หรือสตริง สิ่งนี้ทำให้รหัสสำหรับปัญหาการถดถอยง่ายขึ้น

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

• #904: อัปเกรดเป็น Gradle 8.10 และทำความสะอาดสคริปต์ Build
• #907: เพิ่มบทในคู่มือผู้ใช้สำหรับกลยุทธ์การเพิ่มประสิทธิภาพ: Jenetics ที่ใช้งานได้จริง
• #909: วิธีการช่วยในการแปลงอาร์เรย์ดั้งเดิม

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

แมลง

• #419: แก้ไขการทดสอบทางสถิติที่ไม่สม่ำเสมอ

8.0.0

การปรับปรุง

• Java 21 ใช้สำหรับการสร้างและใช้ห้องสมุด
• #878: อนุญาตให้ใช้เสมือนจริงเพื่อประเมินฟังก์ชั่นการออกกำลังกาย ต้องเปิดใช้งานเมื่อสร้าง Engine (ดูตัวอย่างโค้ดด้านล่าง) พฤติกรรมก่อนหน้านี้ได้รับการเก็บรักษาไว้

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

• #880: แทนที่ตัวอย่างรหัสใน Javadoc ด้วย JEP 413
• #886: ปรับปรุงการเรียงลำดับ CharStore
• #894: ตัวดำเนินการทางพันธุกรรมใหม่: ShiftMutator , ShuffleMutator และ UniformOrderBasedCrossover
• #895: ปรับปรุงการเลือก RandomGenerator เริ่มต้น RandomGenerator ที่ใช้แล้วจะถูกเลือกในลำดับต่อไปนี้:
  1. ตรวจสอบว่ามีการตั้งค่าพารามิเตอร์เริ่มต้นของ io.jenetics.util.defaultRandomGenerator หรือไม่ ถ้าเป็นเช่นนั้นให้ใช้เครื่องกำเนิดไฟฟ้านี้
  2. ตรวจสอบว่าเครื่องกำเนิดไฟฟ้า L64X256MixRandom พร้อมใช้งานหรือไม่ ถ้าเป็นเช่นนั้นให้ใช้เครื่องกำเนิดไฟฟ้านี้
  3. ค้นหาเครื่องกำเนิดสุ่ม ที่ดีที่สุด ที่มีอยู่ตามค่าแบบสุ่ม RandomGeneratorFactory.stateBits()
  4. ใช้เครื่องกำเนิดไฟฟ้า Random หากไม่พบเครื่องกำเนิดไฟฟ้า ที่ดีที่สุด เครื่องกำเนิดไฟฟ้านี้รับประกันว่าจะมีอยู่ในทุกแพลตฟอร์ม

บันทึกย่อทั้งหมด

ใบอนุญาต

ไลบรารีได้รับอนุญาตภายใต้ใบอนุญาต Apache เวอร์ชัน 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.

ซอฟต์แวร์ที่ใช้แล้ว