2 Repos
Systems that use evolutionary computation and model generation to iteratively improve source code across languages.
Distinguishing note: Different from general code optimization or specific trading strategies; it is a general-purpose evolutionary optimizer.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Evolutionary Code Optimizers. Refine with filters or upvote what's useful.
OpenEvolve ist ein Framework für evolutionäre Algorithmen, das Large Language Models nutzt, um autonom Programmieralgorithmen zu entdecken und zu optimieren. Es fungiert als Engine zur Algorithmen-Entdeckung und als Code-Suchwerkzeug, das Populationen von Programm-Kandidaten weiterentwickelt, um effiziente Implementierungen und hardware-spezifische Geschwindigkeitsvorteile zu finden. Das System behandelt sowohl Code als auch Systemanweisungen als evolvierbare Einheiten und nutzt einen automatisierten Prompt-Optimierer, um die Modellleistung iterativ zu verfeinern. Es erhält die Suchstabilität durch nischenbasiertes Populationsmanagement, um die Vielfalt zu bewahren, und verwendet einen Closed-Loop-Feedback-Mechanismus, der Laufzeitfehler und Logs zur autonomen Fehlerbehebung zurück in den Generierungsprozess einspeist. Das Framework enthält zudem einen Agent-Orchestrator, der Antworten von mehreren Modell-APIs unter Verwendung gewichteter Logik und Fallback-Strategien aggregiert. Zur Unterstützung wissenschaftlicher Berechnungen implementiert es deterministische Ausführung durch die Verwaltung konsistenter Zufalls-Seeds über alle stochastischen Komponenten hinweg. Das Projekt bietet ein interaktives Dashboard zur Visualisierung des Evolutionsfortschritts und von Echtzeit-Leistungsmetriken.
Uses an LLM-driven evolutionary process to iteratively generate and mutate code for algorithm discovery.
OpenEvolve is an open-source framework for evolutionary computation that uses language models to drive automated optimization across multiple domains. It can evolve system prompts for large language models, refine source code across programming languages, search for optimal GPU kernel configurations, discover interpretable mathematical expressions from data, and maintain diverse populations of high-performing solutions. The framework integrates multiple evolutionary strategies, including MAP-Elites diversity mapping and island-based topologies, to avoid premature convergence and preserve a wid
Using evolutionary algorithms to automatically mutate and select source code variants that improve performance or correctness across multiple programming languages.