DEAP:進化的アルゴリズムを簡単に

DEAP: Evolutionary Algorithms Made Easy
Felix-Antoine Fortin, Francois-Michel De Rainville, Marc-Andre Gardner, Marc Parizeau, Christian Gagne
Journal of Machine Learning Research, Vol.13, pp. 2171-2175, 2012

進化的計算(Evolutionary Computation:EC)は非常に多様な技術と方法で洗練された分野であり,上手に設 計されたフレームワークでさえ,非常に複雑になる可能性がある.したがって多くの場合,色々な方法で可能な 限り詳細な実装を隠すように高度な機能を持つ大きなライブラリが提供されている.このライブラリをブラック ボックスソフトウェアモデルという.これらのボックスがより精巧になればなるほど,それらはより曖昧になり, 念入りに調べ,変更を検討する可能性は低くなる.しかし,EC を使用して実際の問題を解決する多くの場合,ア ルゴリズムのカスタマイズを必要とする.DEAP(Distributed Evolutionary Algorithms in Python)フレーム ワークは,python 言語で構築されており,洗練された EC システムの組み立てに不可欠な接着剤の役割を果たす. DEAP の目的は,迅速に自分好みに進化的アルゴリズムをプロトタイプするために,プロセスのすべてのステッ プが明示的(擬似コードのように)で,読みやすい実用的なツールを提供することである.また,コードのコン パクトさとコードの明瞭度の両方が DEAP の価値を高めている.