返回资讯中心
外部精选
软件工程
#开发者实时流

开发者用 Rust 实现分布式 Langton 蚂蚁遗传算法

来源标题:Show HN: Distributed Langton Ant in Rust

开发者发布了一个用 Rust 编写的分布式遗传算法项目,通过 TCP 连接的异步岛屿模型进化 turmite(广义 Langton 蚂蚁)。该算法逐一记录每一代结果,相关实验套件与论文已随代码仓库公开。

Hacker News 最新sudo-giusppe2026/11/10 · 7 天前7 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

当搜索地形狭小、崎岖且具有欺骗性时,分布式遗传算法能获得什么?我在 Rust 中用基于 TCP 的异步岛屿模型遗传算法进化 turmite,记录每一代,并公开了实验和论文。

开启这个项目的问题可以概括为一行:当搜索地形狭小、崎岖且具有欺骗性时,分布式能带来什么?

为了回答这个问题,在 AI 代理的帮助下,我编写了一个 Rust 算法,用来衡量分布式进化搜索在广义 Langton 蚂蚁——turmite——上的能力。遗传算法以异步岛屿的形式运行,通过 TCP 通信,无一例外地记录每一代,仓库中同时提供了实验套件和支撑这些数字的论文: https://github.com/sudo-giusppe/langton-ga

我之前在这里写过 Langton 蚂蚁:两条规则、两种颜色,以及一条自行出现的“高速公路”。turmite 是自然的推广:更多状态、更多颜色,以及一张作为基因组起作用的转移表。进化 turmite 意味着挑选能产生有趣行为的转移表——而那片搜索地形以恰恰是你不想要的东西而闻名:看似狭小、充满孤立峰顶,并且最优解常常名不副实。

这使得它成为检验一个方法论问题的良好试验台:当问题如此棘手时,将种群拆分成独立进化、偶尔交换个体的岛屿,究竟能带来真实的东西,还是只能带来漂亮的理论?

在这里我要对自己诚实:目前关于这个主题的研究相当有限。现有的是精确配对置换检验、全部五个种子以及效应方向。

作为第一份快照,这样的严谨程度是合适的。但要作为有效性的确证性主张,它还不够。而且我更愿意自己先说清楚,而不是等别人替我说。

注:这是一份快照,不是最终结论。论文中的数字是五个种子所能支撑的——不多也不少。

在写第一行代码之前,我做出的最重要设计决定是:进化核心被刻意与实验分离。研究新东西不需要触碰模拟器或基因组。

使用当前接口,无需重写核心中的任何内容,你就可以实现例如:

等等。这个列表不是封闭的;这正是其理念所在。

每一代都被记录。如果论文中的某个数字让你困扰,你可以从仓库中提取原始数据并自行审计。对我而言,这就是实验与演示之间的区别。

代码、实验和论文都在这里: https://github.com/sudo-giusppe/langton-ga

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →