Language agnostic 什么是最活跃的基因编程库？

哪一种基因编程库，无论使用何种语言，都是最活跃、最发达的群体？

来自CIRG团队。定期更新。开发人员经常回答您的问题

---

论坛：

您可能想查看基因表达式编程（GEP）。它是基因编程的另一种形式

---

这里有一个技术网站。背后的公司是GEPSoft。

坦白说，很难说。似乎非常活跃，是一个相当大的库，包含除GP之外的各种元启发式。请注意，它是库的超集。很好，但自2007年以来就没有更新过。它现在非常好并且非常活跃，但是它现在只有GP的概念验证实现。那里有太多的图书馆，很难说哪一个是最好的。要推出自己的GP并不难，所以请记住这种可能性。

我是ECJ的粉丝，“一个基于Java的进化计算研究系统”：

邮件列表通常是适度活跃的，向我表明项目总体状况良好。我几乎所有的GA和GP研究都在使用ECJ，它有很多有趣的内置功能，还有一些第三方的贡献

---

ECJ的创建者肖恩·卢克（Sean Luke）也写了一本很棒的免费下载书：cs.gmu.edu/~Sean/book/metaheuristics/

JGAP for Java似乎相当活跃。查看签入历史记录，几个月前有一系列活动。

您可以尝试Sean Luke的ECJ（Java进化计算）的C#NET 4.0端口：

它是非常灵活和强大的软件！但它也相对容易入门，因为它包括许多开箱即用的工作控制台示例（以及在转换过程中开发的许多有用的单元测试）

如上所述，如果您使用Java编程，您应该直接访问Sean Luke的网站：

它已经在积极发展了13年

Ben有一个非常复杂的实现，既快又快。比如在一个独立的系统中，你可以看到HeuristicLab的解释器的速度等于一个新编码的极简主义C++解释程序，包括优化。它也非常灵活，因为您可以配置在GUI环境中创建树的语法。因此，您可以创建只应将某些变量作为输入，而不是所有变量的函数。实现基于长期的代码遗产，这些代码是非常积极开发的，并且在每次发布之前都会进行审查，以确保持续的质量。HeuristicLab支持回归、分类以及自定义问题，如Santa Fe trail或割草机（其中有一个教程可以帮助您实现自己的自定义问题）。有交叉验证，有培训、验证和测试的分离，你可以利用它们来检测过度拟合。您将得到每个变量在整个总体中存在的数量，以及符号在总体中存在的数量，这样您就可以估计哪些变量是重要的。这将显示为随时间变化的图形。还有一个pareto分析器，您可以通过它显示所有解决方案的质量和复杂性。还包含最近（GECCO2012）出现的GP基准库，使人们能够测试和比较结果。除了GP之外，还有进一步的回归和分类算法，如SVM、随机森林、k-NN等

它是在C#中实现的，在.NET4上运行（目前仅在windows上运行，mono支持即将完成）