#multi-objective-optimization Dépôts
Découvrez 7 dépôts GitHub open source actifs associés à #multi-objective-optimization, cumulant 20,975 étoiles au total (soit une moyenne de 2,996 étoiles par projet). Le projet en tête de ce thème est DEAP/deap, avec 6,461 étoiles.
7 dépôts au total
Outil CLI avancé qui analyse votre matériel et vous indique exactement quels modèles LLM ou sLLM vous pouvez exécuter localement, avec une intégration complète d'Ollama.
NSGA2, NSGA3, R-NSGA3, MOEAD, Algorithmes génétiques (GA), Évolution différentielle (DE), CMAES, PSO
Infrastructure pour les systèmes d’IA évolutionnaire. Optimisation basée sur PyTorch et accélérée par GPU, avec un écosystème de bibliothèques d’algorithmes, de benchmarks et d’outils.
Une plateforme C++ pour effectuer des calculs parallèles de tâches d'optimisation (globales et locales) via le modèle d'îles généralisé asynchrone.
Foire aux questions
Quel est le dépôt #multi-objective-optimization le plus populaire sur GitHub ?
Le projet #multi-objective-optimization open source le mieux classé sur GitHub est DEAP/deap, avec 6,461 étoiles. Algorithmes évolutifs distribués en Python
Quels langages de programmation sont les plus utilisés dans les dépôts #multi-objective-optimization ?
Parmi les projets #multi-objective-optimization les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, MATLAB, C++.
Comment le classement des dépôts #multi-objective-optimization est-il calculé ?
Nous suivons 7 dépôts open source actifs associés à #multi-objective-optimization (500+ étoiles), totalisant 20,975 étoiles, avec une moyenne de 2,996 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.