Algorithm 遗传算法开放源代码库，具有所有微调功能，例如cellularGA功能

我想为SGI UV系统（内核=512，共享内存=4TB）实施基于GA的功能选择程序，其操作如下： （特征选择是指找到原始特征的最小子集的过程，与使用原始特征集或对给定数据使用相同的特征集相比，该过程可以更好地区分输出类别，例如，数据包括：{大气压力、温度、大小}由于自变量和输出为降雨量，特征选择的可能结果为{Atm.压力，温度}）

遗传算法保留了一个父集合，每个父集合代表一个不同的特征子集。这些家长需要使用支持向量机或任何其他机器学习方法（神经网络等）进行评估，因此我希望每个家长都被发送到下一个可用的cpu核心，使用任何程序进行评估，并将适合度发送回GA。因此，GA将负责除评估（适合度）之外的所有事情而GA将把父代发送到一个可用的核心，等待适应结果。这就是该方法的分布式特性所在（因此我不希望在不同的内核上运行各种GAs，只希望在一个内核上运行一个GA，并在不同的内核中生成适应度评估器）

为了利用我的硬件的分布式计算功能，我希望GA以异步模式运行，而有两组家长，一组是接受健康评估的家长，另一组是等待评估的家长。当存在空闲核心时，GA从未评估的核心池中获取一个父级并将其发送到核心。 与此同时，遗传算法从评估池中提取父代，对它们进行变异等，将它们交叉，并将其子代发送到未评估池，等等

所以，我的想法是获得一个开源的GA库，并对它的评估函数进行一点修改。如果库提供这种“异步”模式，那就好了。除此之外，我还希望图书馆提供许多功能，例如cellularGA。 无论结果如何，都将是开源的

有人有什么建议吗？

---

顺便说一句，有人知道关于这种“异步”模式的出版物的任何参考资料吗？或者你认为它有什么缺点吗？

试试。它更多的是关于遗传编程，但是有GA支持，而且它是opeensource，所以你可以修改它。而且它还支持分布式计算。

最近，有针对各种编程语言的开源项目支持这一点。deapforpython是我熟悉的一种，但是还有其他python包，以及类似的用于R的包可以完成这类工作