#multi-objective-optimization Repositorios
Descubre 7 repositorios activos de código abierto de GitHub etiquetados con #multi-objective-optimization, que acumulan 20,975 estrellas en total (una media de 2,996 estrellas por proyecto). El líder de este tema es DEAP/deap, con 6,461 estrellas.
7 repositorios en total
Herramienta CLI avanzada que escanea tu hardware y te indica exactamente qué modelos LLM o sLLM puedes ejecutar localmente, con integración completa de Ollama.
NSGA2, NSGA3, R-NSGA3, MOEAD, Algoritmos Genéticos (GA), Evolución Diferencial (DE), CMAES, PSO
Infraestructura para sistemas de IA evolutiva. Optimización basada en PyTorch y acelerada por GPU, con un ecosistema de bibliotecas de algoritmos, benchmarks y herramientas.
Una plataforma en C++ para realizar cálculos paralelos de tareas de optimización (globales y locales) a través del modelo de islas generalizado asíncrono.
Preguntas frecuentes
¿Cuál es el repositorio de #multi-objective-optimization más popular en GitHub?
El proyecto de código abierto de #multi-objective-optimization mejor posicionado en GitHub es DEAP/deap, con 6,461 estrellas. Algoritmos evolutivos distribuidos en Python
¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-objective-optimization?
Entre los proyectos de #multi-objective-optimization mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, JavaScript, MATLAB, C++.
¿Cómo se calcula la clasificación de los repositorios de #multi-objective-optimization?
Seguimos 7 repositorios activos de código abierto etiquetados con #multi-objective-optimization (500+ estrellas), que suman un total de 20,975 estrellas, con una media de 2,996 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.