6 repository-uri
Iterative improvement techniques such as hill climbing and simulated annealing for solving complex problems.
Distinct from Genetic Algorithms: Broader than Genetic Algorithms; includes local search and probabilistic optimization techniques.
Explore 6 awesome GitHub repositories matching artificial intelligence & ml · Heuristic Optimization Algorithms. Refine with filters or upvote what's useful.
This project is a Python collection of algorithms and data structures that implement the concepts from the Artificial Intelligence: A Modern Approach textbook. It serves as an educational resource for learning core artificial intelligence concepts through the implementation of classic algorithms for searching, logic, and problem solving. The repository functions as an automated reasoning toolset for managing knowledge bases, a game theory engine for calculating optimal moves in competitive games, and a search and optimization library. It provides specialized frameworks for deriving logical co
Implements iterative improvement techniques including hill climbing, simulated annealing, and genetic algorithms.
OpenEvolve este un framework de algoritmi evolutivi care utilizează modele de limbaj mari pentru a descoperi și optimiza autonom algoritmi de programare. Funcționează ca un motor de descoperire a algoritmilor și instrument de căutare a codului, evoluând populații de programe candidate pentru a găsi implementări eficiente și optimizări specifice hardware-ului. Sistemul tratează atât codul, cât și instrucțiunile de sistem ca entități evolutive, utilizând un optimizator automat de prompt-uri pentru a rafina iterativ performanța modelului. Menține stabilitatea căutării prin gestionarea populației bazată pe nișe pentru a păstra diversitatea și utilizează un mecanism de feedback în buclă închisă care injectează erorile de runtime și log-urile înapoi în procesul de generare pentru repararea autonomă a bug-urilor. Framework-ul include, de asemenea, un orchestrator de agenți care agregă răspunsurile de la mai multe API-uri de modele folosind logică ponderată și strategii de fallback. Pentru a susține calculul științific, implementează execuția deterministă prin gestionarea unor semințe aleatorii (random seeds) consistente în toate componentele stochastice. Proiectul oferă un tablou de bord interactiv pentru vizualizarea progresului evoluției și a metricilor de performanță în timp real.
Implements an evolutionary pipeline using LLMs to autonomously discover and optimize efficient algorithms.
scikit-opt is a Python optimization library and numerical framework designed to solve complex global optimization problems. It provides a suite of metaheuristic algorithms and tools for finding global minima or maxima of objective functions. The library implements a variety of nature-inspired and swarm intelligence algorithms, including Genetic Algorithms, Particle Swarm Optimization, Differential Evolution, Simulated Annealing, and Ant Colony Optimization. It includes specialized solvers for discrete combinatorial challenges, such as the Traveling Salesman Problem. The framework supports th
Provides optimization capabilities based on biological immune system adaptation to solve complex tasks.
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
Evo transforms a basic random search into advanced algorithms like simulated annealing through iterative code mutation and performance evaluation.
Acest proiect este un curriculum de deep reinforcement learning care oferă materiale educaționale și exerciții de implementare pentru stăpânirea agenților bazați pe rețele neuronale. Acesta servește drept framework pentru construirea versiunilor de referință ale metodelor bazate pe valoare și pe politică pentru a rezolva probleme de decizie secvențială. Proiectul oferă implementări specifice pentru simulări de control continuu și reinforcement learning multi-agent, unde agenții sunt antrenați să coopereze sau să concureze în medii partajate. Include un framework de gradient de politică pentru optimizarea comportamentului agentului prin metode precum REINFORCE. Capabilitățile acoperă o gamă largă de algoritmi de optimizare, inclusiv deep Q-learning, gradienți de politică deterministă și programare dinamică pentru modelarea proceselor de decizie Markov. Sistemul suportă diverse domenii de antrenament, cum ar fi navigația robotică, automatizarea tranzacțiilor financiare și simulările bazate pe fizică. Materialele sunt livrate sub forma unei serii de Jupyter Notebooks.
Implements hill climbing as a heuristic optimization technique for refining policy parameters via adaptive noise scaling.
This project is a data mining algorithm library and machine learning reference implementation. It provides a collection of tools for performing classification, clustering, and association rule mining, as well as a toolkit for nature-inspired optimization. The library includes specialized utilities for graph and sequence mining, enabling the extraction of frequent subgraphs and sequential patterns. It also features a dimensionality reduction utility that uses rough set theory to remove redundant attributes from datasets. The project covers a broad range of analytical capabilities, including n
Implements nature-inspired heuristic optimization algorithms such as genetic mutations and colony behavior to solve complex problems.