#multi-objective-optimization Repository
Scopri 7 repository GitHub open source attivi contrassegnati con #multi-objective-optimization, che raccolgono un totale di 20,975 stelle (con una media di 2,996 stelle per progetto). Il progetto leader di questo argomento è DEAP/deap, con 6,461 stelle.
7 repository in totale
Uno strumento CLI avanzato che esamina il tuo hardware e ti indica esattamente quali modelli LLM o sLLM puoi eseguire localmente, con piena integrazione di Ollama.
NSGA2, NSGA3, R-NSGA3, MOEAD, Algoritmi Genetici (GA), Evoluzione Differenziale (DE), CMAES, PSO
Infrastruttura per sistemi di IA evolutiva. Ottimizzazione basata su PyTorch e accelerata da GPU, con un ecosistema di librerie di algoritmi, benchmark e strumenti.
Una piattaforma C++ per eseguire calcoli paralleli di compiti di ottimizzazione (globali e locali) tramite il modello di isole generalizzato asincrono.
Domande frequenti
Qual è il repository #multi-objective-optimization più popolare su GitHub?
Il progetto open source #multi-objective-optimization più alto in classifica su GitHub è DEAP/deap, con 6,461 stelle. Algoritmi evolutivi distribuiti in Python
Quali linguaggi di programmazione sono più utilizzati nei repository #multi-objective-optimization?
Tra i progetti #multi-objective-optimization più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, MATLAB, C++.
Come viene calcolata la classifica dei repository #multi-objective-optimization?
Monitoriamo 7 repository open source attivi contrassegnati con #multi-objective-optimization (500+ stelle), per un totale di 20,975 stelle e una media di 2,996 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.