#multi-objective-optimization Repositórios
Descubra 7 repositórios ativos de código aberto no GitHub marcados com #multi-objective-optimization, acumulando um total de 20,975 estrelas (uma média de 2,996 por projeto). O líder deste tópico é DEAP/deap, com 6,461 estrelas.
7 repositórios no total
Ferramenta CLI avançada que escaneia seu hardware e indica exatamente quais modelos LLM ou sLLM você pode executar localmente, com integração completa com Ollama.
NSGA2, NSGA3, R-NSGA3, MOEAD, Algoritmos Genéticos (GA), Evolução Diferencial (DE), CMAES, PSO
Infraestrutura para sistemas de IA evolutiva. Otimização baseada em PyTorch e acelerada por GPU, com um ecossistema de bibliotecas de algoritmos, benchmarks e ferramentas.
Uma plataforma C++ para realizar computações paralelas de tarefas de otimização (global e local) através do modelo de ilha generalizado assíncrono.
Perguntas Frequentes
Qual é o repositório de #multi-objective-optimization mais popular no GitHub?
O projeto de código aberto de #multi-objective-optimization mais bem classificado no GitHub é DEAP/deap, com 6,461 estrelas. Algoritmos Evolutivos Distribuídos em Python
Quais linguagens de programação são mais usadas nos repositórios de #multi-objective-optimization?
Entre os projetos de #multi-objective-optimization mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, JavaScript, MATLAB, C++.
Como é calculada a classificação dos repositórios de #multi-objective-optimization?
Acompanhamos 7 repositórios ativos de código aberto marcados com #multi-objective-optimization (com mais de 500 estrelas), totalizando 20,975 estrelas e uma média de 2,996 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.