OpenEvolve 利用 MAP-Elites、岛屿并行和 LLM 协同策略，自动化地演化与优化算法、代码与 GPU 内核。它提供完整的配置、示例与可复现的实验流水线，适合研究与工程场景中的自动化算法发现。
主要特性
- 自动化搜索：结合 LLM 与进化算法进行代码生成与优化。
- 多目标与多岛屿并行：支持 Pareto 优化与并行探索以避免早熟收敛。
- 丰富示例与可视化：包含性能基准、GPU 内核发现与可视化工具链。
使用场景
- 自动化发现高性能实现（如 GPU 内核、算法优化）。
- 在科研和工程中进行算法探索与基准比较。
- 将 LLM 用作进化策略或变异生成器以扩展搜索空间。
技术特点
- 以 Python 为主，支持多语言示例（Rust、Metal 等）与插件式评估器。
- 提供可复现的配置、评估器和可视化工具，易于集成到实验流水线。
- 采用 Apache-2.0 许可，社区活跃，示例与文档不断更新。