nnaisense/evotorch

解決的問題

EvoTorch 是為了解決可能不可微分的優化問題而設計的，也就是無法使用傳統梯度下降法求解的問題。這包括黑箱優化（連續與離散）、強化學習任務以及監督學習任務。

工作原理

此套件建構於 PyTorch 之上，實作多種進化計算演算法。它利用 PyTorch 的向量化與平行化能力，加速 GPU 上的優化過程。對於更大規模的工作負載，它整合了 Ray，可將計算分散至多個 CPU、GPU 和整個叢集。

適用對象

適合需要可擴展、GPU 加速的進化演算法框架的研究人員與開發者，特別是在優化、神經演化與強化學習領域工作的人士。

主要特色

• 多樣化的演算法套件：包含基於分佈的搜尋（PGPE、XNES、CMA-ES、SNES、CEM）與基於族群的搜尋（遺傳演算法、CoSyNE、MAP-Elites）。
• GPU 加速：原生 PyTorch 實作支援在 GPU 上進行高速向量化運算。
• 可擴展性：整合 Ray，可跨多台機器與硬體加速器進行擴展。
• 靈活的目標函數：支援在 PyTorch 中定義的任意目標函數，無論是否向量化。