2 repositorios
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 es un framework de algoritmos evolutivos que utiliza modelos de lenguaje de gran tamaño para descubrir y optimizar algoritmos de programación de forma autónoma. Funciona como un motor de descubrimiento de algoritmos y herramienta de búsqueda de código, evolucionando poblaciones de programas candidatos para encontrar implementaciones eficientes y mejoras de velocidad específicas para el hardware. El sistema trata tanto el código como las instrucciones del sistema como entidades evolutivas, utilizando un optimizador de prompts automatizado para refinar iterativamente el rendimiento del modelo. Mantiene la estabilidad de la búsqueda mediante la gestión de poblaciones basada en nichos para preservar la diversidad y emplea un mecanismo de retroalimentación de bucle cerrado que inyecta errores de tiempo de ejecución y registros de vuelta al proceso de generación para la corrección autónoma de errores. El framework también incluye un orquestador de agentes que agrega respuestas de múltiples APIs de modelos utilizando lógica ponderada y estrategias de respaldo. Para apoyar la computación científica, implementa la ejecución determinista gestionando semillas aleatorias consistentes en todos los componentes estocásticos. El proyecto proporciona un panel interactivo para visualizar el progreso de la evolución y métricas de rendimiento en tiempo real.
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.