使用Rust编写的一款使用遗传算法、神经网络、WASM技术的模拟生物进化的程序

最新推荐文章于 2023-08-19 11:39:21 发布
最新推荐文章于 2023-08-19 11:39:21 发布
阅读量631 收藏 1
点赞数
文章标签： rust 神经网络 wasm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43315207/article/details/132271382
版权

模拟生物进化程序

Github地址：FishLife
期待各位的star✨✨✨
本项目是一个模拟生物进化的程序，利用遗传算法、神经网络技术对鱼的眼睛和大脑进行模拟。该项目是使用 Rust 语言编写的，并编译为 WebAssembly (Wasm) 格式，使其可以在浏览器中运行。

特点

  • 遗传算法：利用遗传算法来模拟生物的自然选择和进化。
  • 神经网络：对鱼的大脑进行模拟，使其可以做出决策。
  • 模拟眼睛：模拟鱼的视觉系统，使其可以感知环境。
  • WebAssembly：借助 Rust 的高性能优势，编译为 Wasm 格式并在浏览器中运行。

开始使用

安装依赖

确保您已经安装了 Rust 和 wasm-pack。如果还没有安装，请按照 Rust 官方文档 和 wasm-pack 官方文档 进行安装。

构建

使用以下命令构建项目：

 wasm-pack build libs/simulation-wasm

运行

npm run start -prefix web

贡献

欢迎提交 pull request 来帮助改进或扩展此项目。

引用

qq_43315207
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Rust + wasm 使用
坏蛋阿土的博客
06-15 3537
WebAssembly（WASM）是一个简单的机器模型和可执行格式，具有广泛的规范。它被设计为便携、紧凑，代码执行能够达到接近本机原生指令的执行速度。作为一种编程语言，WebAssembly 由两种格式组成，它们以不同的方式表示相同的结构：后缀为 .wat 的文本格式（称为“WebAssembly Text”），可以被人类理解，使用 S-表达式。后缀为 .wasm 的二进制格式是较低级别的，人类无法读懂，它旨在供 wasm 虚拟机直接使用。
rust语言编写wasm简单例子
无名剑
06-22 1854
rust的wasm使用wasm-pack来build，有很多选项和target用于不同的目的，本文描述一个最简单的示例，不使用webpack和npm，让你可以快速入门和了解。
深入探讨 Oxigen：Rust 实现的并行遗传算法框
qq_38334677的博客
08-19 855
Oxigen 是一个用 Rust 语言实现的并行遗传算法框架，其提供了高效的并行计算机制，让遗传算法的实现和优化变得更加便捷。利用 Rust 的强大并发特性，Oxigen 可以并行执行交叉、变异和评估操作，从而大大加速遗传算法的执行速度。借助并行处理能力，Oxigen 可以有效地处理大规模的种群和数据集，从而为实际应用中的问题提供高质量的解决方案。总的来说，无论你是遗传算法的初学者还是专家，Oxigen 都能为你提供一个强大的工具集，帮助你实现和优化算法。任何遗传算法的核心都是染色体，它代表了问题的解。
spiril:用于遗传算法的Rust库
05-18
斯皮里尔 Spiril是遗传算法的一种实现，该遗传算法用于通过突变和自然选择来获得任务的最佳变量（遗传）。 API使您可以指定一组初始单元，这些单元将充当所有后续单元的原始父级。 单位类型实现适应度函数和繁殖函数，以将新的遗传组合和突变引入后代。 可以使用并行线程在总体上计算适应度。 数独示例 extern crate spiril; extern crate rand; use spiril :: unit :: Unit; use spiril :: population :: Population; use rand :: {StdRng, SeedableRng, Rng}; struct SudokuUnit { sudoku: Vec < usize> , // 9x9 grid answer: Vec < usize> , // 9x9 grid }
rusty-genes:Rust中具有动画可视化的遗传算法实现
05-07
生锈的基因 遗传算法的Rust实现，可通过动画可视化解决旅行商问题 检查如何使用 $ curl https://sh.rustup.rs -sSf | sh $ cd citydna $ cargo test -- --nocapture $ cargo build $ cargo run ./data/specs/specs1.csv ./data/cities/cities0.csv $ cargo run ./data/specs/specsABC.csv ./data/cities/citiesA.csv > ./NEW_OUTPUT.csv 参考 33Mudy961bUk9zz35p68g9fE3uuHLRduRp
用Rust编写的 快速、并行、可扩展和适应性强的遗传算法框架_rust_代码_下载
06-11
Oxigen 是一个用 Rust 实现的并行遗传算法框架。该名称来自OXIdación（Rust 翻译成西班牙语）和GENetic 的合并 供以下功能： 快速和并行的遗传算法实现（它在几秒钟内解决了 N=255 的 N Queens 问题）。对于基准查看此文件的基准部分。 根据内置的世代，可定制的突变和选择率具有常数、线性和二次函数（您可以通过MutationRate和SelectionRate特征实现自己的函数）。 可自定义的个体年龄不适合度，没有不适合度，线性和二次不适合度根据个人内置的代数（您可以通过Age特征实现自己的年龄函数）。 AccumulatedRoulette和内置选择函数（您可以通过 trait 实现自己的选择函数Tournaments）。CupSelection SingleCrossPoint,MultiCrossPoint和UniformCross内置的交叉函数（您可以通过Crossovertrait 实现自己的交叉函数）。 许多内置的生存压力功能。SurvivalPressure您可以通过trait实现自己的生存压力函数。
Rust 构建 Wasm 模块
超悠閒的博客
12-02 3749
Rust 构建 Wasm 模块 文章目录Rust 构建 Wasm 模块正文1. 安装1.1 使用 Rustup 安装 Rust1.2 安装 wasm-pack1.3 CLion 配置2. 手动构建 Rust to Wasm 项目2.1 创建项目2.2 配置文件 Cargo.toml2.3 模块导出函数 & 打包2.4 前端项目展示3. 使用 wasm-pack 模版构建3.1 配置文件补全3.2 模块导出函数 & 打包3.3 前端 @wasm-tool/wasm-pack-plugin 插件
Rust + WASM + 神经网络 + 遗传算法.zip
10-18
Rust + WASM + 神经网络 + 遗传算法 Rust + WASM + 神经网络 + 遗传算法 Rust + WASM + 神经网络 + 遗传算法 Rust + WASM + 神经网络 + 遗传算法 Rust + WASM + 神经网络 + 遗传算法 Rust + WASM + 神经网络 + 遗传...
oxigen:用Rust编写的快速，并行，可扩展和适应性强的遗传算法框架
05-16
氧气 Oxigen是在Rust中实现的并行遗传算法框架。 这个名字来自的合并OXI dación（防锈翻译成西班牙语）和GEN客位。 可以在找到每个版本中引入的更改。 要在主要版本之间迁移，请查看迁移指南（ ）。 Oxigen提供以下功能： 快速且并行的遗传算法实现（它在几秒钟内解决了N Queens问题，N = 255）。 有关基准，请查看此文件的“基准”部分。 根据内置的世代，具有恒定，线性和二次函数的可定制的突变和选择率（您可以通过MutationRate和SelectionRate特性实现自己的函数）。 可定制的个人年龄不适，根据个体内置的代数，没有不适应，线性和二次不适应且具有阈值（您可以通过“ Age特征实现自己的年龄功能）。 累积的Roulette ， Tournaments和Cup内置选择功能（您可以通过“ Selection特征实现自己的选择功能）。
在Rust 中实现 ENT2 神经进化遗传算法_rust_代码_下载
06-12
该库使用进化算法 ( EA ) 自动进化群体中每个个体的人工神经网络的拓扑结构。 进化算法属于进化计算研究领域，涉及受生物进化过程和机制启发的计算方法。达尔文提出了通过自然选择（通过修改下降）的进化过程，以说明生命的多样性及其对环境的适应性（适应性适应）。进化机制描述了进化是如何通过遗传物质（蛋白质）的修饰和繁殖实际发生的。进化算法关注的是研究类似于进化过程和机制的简化版本的计算系统，以实现这些过程和机制的效果，即自适应系统的发展。属于进化计算领域的其他学科领域是寻求利用种群遗传学、种群生态学、协同进化生物学和发育生物学相关领域的属性的算法。--聪明的算法.com 人工神经网络的特征在于它们的结构（拓扑）和它们的参数（包括连接的权重）。因此，当为给定问题开发 ANN 时，需要考虑两个方面： 网络的结构（或拓扑）应该是什么？ 给定神经网络的结构，其参数的最佳值是多少？ EANT2，Evolutionary Acquisition of Neural Topologies，是一种进化强化学习系统，适合通过交互来学习和适应环境。它结合了神经网络、强化学习和进化方法的原理。
rust-genetic-algorithm-一种解决学术基准问题的遗传算法-Rust开发
05-27
遗传算法Rust中的遗传算法可解决以下基准问题：Ackley Griewangk Rastrigin Rosenbrock Schwefel球体用法：Insta遗传算法Rust中的遗传算法可解决以下基准问题：Ackley Griewangk Rastrigin Rosenbrock Schwefel球体用法：使用货物建造安装Rust Build- -release使用./target/release/rust-genetic-algorithm搜索请参阅rust-genetic-algorithm的更多用法--help基于我先前在C ++中的实现。
Rust 中的遗传算法实现与 Python 中的动画可视化_Rust_python_代码_下载
06-18
遗传算法的 Rust 实现，通过动画可视化解决旅行商问题 效果展示： https://github.com/mithi/rusty-genes/raw/rusty-genes/docs/gif/simA.gif https://github.com/mithi/rusty-genes/raw/rusty-genes/docs/gif/simB.gif https://github.com/mithi/rusty-genes/raw/rusty-genes/docs/gif/simC.gif https://github.com/mithi/rusty-genes/raw/rusty-genes/docs/gif/sim0.gif
redcentipede:Rust 中的遗传算法项目
07-12
红蜈蚣 Rust 中的遗传算法项目 该项目的概念大量借鉴了。 红蜈蚣的一般博弈论 那里存在： 世界 部分代理 一些资源 时间单位 世界- 世界是一个具有 X、Y 坐标的二维网格。 存在的代理和资源都有一个 X 和一个 Y，它们指的是该实体在世界中的坐标。 从上面看，世界是一个平面，世界没有物理。 代理- 代理是具有动作能力的实体，其动作/React由该代理的遗传密码确定。 代理具有代表该代理在世界中的位置的 X 和 Y 坐标。 此外，代理有自己的资源储备，当代理行动时会消耗这些资源。 资源- 资源是一个无法执行操作的实体，它生成到世界中并（希望）由代理收集。 资源具有 X 和 Y 坐标以及表示该资源的 .... ummm ... 值的数值。 当代理获取资源时，该资源的价值被添加到代理的资源储备中，然后该资源被销毁。 时间- 时间是一个离散的、回合制的循环。 在每个时间周期中，代理是
Rust + WASM + 神经网络 + 遗传算法合集.zip
最新发布
02-19
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习...Rust + WASM + 神经网络 + 遗传算法合集.zip
【Rust日报】2019-11-18/19 - 内容很多，慢慢看
Rust语言学习交流
11-19 1301
是什么让 Rust 这么快其实这算是月经贴，最近 reddit 上又讨论了。答案比较丰富，各位看官自行前往围观：https://www.reddit.com/r/rust...
RsGenetic:Rust中的遗传算法库
05-26
遗传基因 摘要和功能 RsGenetic是用于在Rust中执行遗传算法的框架。 它被设计为具有一个简单但模块化的API。 范例与文件 文档可。 实施Fitness特质 请注意，如果您的适应性类型是整数类型，则无需围绕此整数编写包装器结构。 有关更多详细信息，请参见types模块文档。 use rsgenetic :: pheno :: * ; use std :: cmp :: Ordering; #[derive(Eq, PartialEq, PartialOrd, Ord)] struct MyFitness { value: i32 , } impl Fitness for MyFitness { // The zero value for our custom type fn zero () -> MyFitness { MyFitnes
遗传算法--genetic algorithm
hh8856的专栏
06-04 1721
常用的智能优化算法有: 遗传算法 、模拟退火算法、禁忌搜索算法、粒子群算法、蚁群算法。 遗传算法是由美国的 J. Holland 教授于 1975 年在他的专著《自然界和人工系统的适应 性》中首先提出的。     借鉴生物界自然选择和自然遗传机制的随机化搜索算法。     模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象。 在每次迭代中都保留一组候选解,并按某种指标从
使用rust编写一个二层神经网络
02-25
好的，下面是使用 Rust 编写一个简单的二层神经网络的代码示例： ```rust extern crate ndarray; extern crate rand; use ndarray::{Array, Array2, Axis}; use rand::prelude::*; fn main() { // 定义输入和输出数据 let inputs = Array2::from_shape_vec((4, 2), vec![0.0, 0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0]).unwrap(); let outputs = Array::from_vec(vec![0.0, 1.0, 1.0, 0.0]); // 定义神经网络的结构 let input_size = 2; let hidden_size = 3; let output_size = 1; // 初始化神经网络的权重和偏置 let mut rng = thread_rng(); let w1 = Array::random((input_size, hidden_size), StandardNormal, &mut rng); let b1 = Array::random(hidden_size, StandardNormal, &mut rng); let w2 = Array::random((hidden_size, output_size), StandardNormal, &mut rng); let b2 = Array::random(output_size, StandardNormal, &mut rng); // 训练神经网络 let learning_rate = 0.1; let num_iterations = 10000; for _ in 0..num_iterations { let hidden_layer = inputs.dot(&w1) + &b1; let activated_hidden_layer = hidden_layer.mapv(|x| 1.0 / (1.0 + (-x).exp())); let output_layer = activated_hidden_layer.dot(&w2) + &b2; let predicted_output = output_layer.mapv(|x| 1.0 / (1.0 + (-x).exp())); let error = &predicted_output - &outputs; let d_predicted_output = &error * &predicted_output * (&Array::ones(outputs.len()) - &predicted_output); let error_hidden_layer = d_predicted_output.dot(&w2.t()); let d_hidden_layer = error_hidden_layer * &activated_hidden_layer * (&Array::ones(hidden_layer.len()) - &activated_hidden_layer); w2 -= learning_rate * &activated_hidden_layer.t().dot(&d_predicted_output); b2 -= learning_rate * d_predicted_output.sum_axis(Axis(0)); w1 -= learning_rate * &inputs.t().dot(&d_hidden_layer); b1 -= learning_rate * d_hidden_layer.sum_axis(Axis(0)); } // 测试神经网络 let test_input = Array::from_vec(vec![1.0, 0.0]); let hidden_layer = test_input.dot(&w1) + &b1; let activated_hidden_layer = hidden_layer.mapv(|x| 1.0 / (1.0 + (-x).exp())); let output_layer = activated_hidden_layer.dot(&w2) + &b2; let predicted_output = output_layer.mapv(|x| 1.0 / (1.0 + (-x).exp())); println!("预测输出：{:?}", predicted_output); } ``` 这个代码示例实现了一个二层神经网络，包括输入层、隐藏层和输出层。输入层包含 2 个神经元，隐藏层包含 3 个

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值