跳转至

接口 API

接口将优化任务连接到进化算法，处理特定于算法的适配。

什么是接口？

接口**是**任务（您想要优化什么）和**方法**（如何优化）之间的桥梁。

任务（问题） → 接口（适配器） → 方法（算法）

接口处理： - 为 LLM 生成特定于算法的提示 - 特定于任务的算子（变异、交叉等） - 解格式转换 - 评估编排

Python 任务接口

EvoEngineerPythonInterface

class EvoEngineerPythonInterface(BaseMethodInterface):
    def __init__(self, task: PythonTask)

将 Python 任务连接到 EvoEngineer 算法。

用法:

from evotoolkit.task.python_task import EvoEngineerPythonInterface
from evotoolkit.task.python_task.scientific_regression import ScientificRegressionTask
import evotoolkit

task = ScientificRegressionTask(dataset_name="bactgrow")
interface = EvoEngineerPythonInterface(task)
result = evotoolkit.solve(interface=interface, ...)

FunSearchPythonInterface

class FunSearchPythonInterface(BaseMethodInterface):
    def __init__(self, task: PythonTask)

将 Python 任务连接到 FunSearch 算法。

用法:

from evotoolkit.task.python_task import FunSearchPythonInterface
from evotoolkit.task.python_task.scientific_regression import ScientificRegressionTask
import evotoolkit

task = ScientificRegressionTask(dataset_name="bactgrow")
interface = FunSearchPythonInterface(task)
result = evotoolkit.solve(interface=interface, ...)

EoHPythonInterface

class EoHPythonInterface(BaseMethodInterface):
    def __init__(self, task: PythonTask)

将 Python 任务连接到 EoH 算法。

用法:

from evotoolkit.task.python_task import EoHPythonInterface
from evotoolkit.task.python_task.scientific_regression import ScientificRegressionTask
import evotoolkit

task = ScientificRegressionTask(dataset_name="bactgrow")
interface = EoHPythonInterface(task)
result = evotoolkit.solve(interface=interface, ...)

CUDA 任务接口

CUDA 任务接口可用于 GPU 内核优化任务。

可用接口:

  • EvoEngineerFullInterface - 完整的 CUDA 工程工作流
  • EvoEngineerFreeInterface - 自由形式的 CUDA 优化
  • EvoEngineerInsightInterface - 洞察引导的 CUDA 优化
  • FunSearchInterface - 用于 CUDA 的函数搜索
  • EoHInterface - 用于 CUDA 的启发式进化

用法示例:

from evotoolkit.task.cuda_engineering.method_interface import EvoEngineerFullInterface
import evotoolkit

task = MyCudaTask()
interface = EvoEngineerFullInterface(task)
result = evotoolkit.solve(interface=interface, ...)

详见 CUDA 任务教程。

基础接口类

BaseMethodInterface

所有方法接口的基类。详见参考页： BaseMethodInterface。

接口选择指南

对于 Python 任务

任务类型 推荐接口 替代选择
科学符号回归 EvoEngineerPythonInterface FunSearchPythonInterface
通用优化 EvoEngineerPythonInterface EoHPythonInterface
快速原型 EoHPythonInterface EvoEngineerPythonInterface

对于 CUDA 任务

任务类型 推荐接口
内核优化 EvoEngineerCudaInterface
GPU 算法发现 FunSearchCudaInterface

接口工作原理

1. 提示生成

接口为 LLM 创建特定于算法的提示：

# EvoEngineer 提示示例
prompt = """
您正在进化一个 Python 函数来近似数据。

上一代最佳解:
{previous_best_code}

当前适应度: {fitness}

请改进此解或创建新解。
"""

2. 响应解析

接口从 LLM 响应中提取代码：

response = llm_api.call(prompt)
solution = interface.parse_llm_response(response)
# solution.sol_string 现在包含提取的 Python/CUDA 代码

3. 算子应用

接口应用进化算子：

# 变异
mutated = interface.mutate(solution)

# 交叉
offspring = interface.crossover(parent1, parent2)

高级：自定义接口

为专门的算法或任务创建自定义接口：

from evotoolkit.core.method_interface import BaseMethodInterface
from evotoolkit.core import Solution

class MySpecializedInterface(BaseMethodInterface):
    def __init__(self, task):
        super().__init__(task)
        self.custom_config = self.load_custom_config()

    def generate_prompt(self, generation, population):
        # 具有领域特定指令的自定义提示
        best_sol = max(population, key=lambda s: s.evaluation_res.score if s.evaluation_res.valid else float('-inf'))

        prompt = f"""
        领域特定上下文: {self.custom_config['context']}

        进化一个改进以下内容的解:
        {best_sol.sol_string}

        当前最佳得分: {best_sol.evaluation_res.score}
        代数: {generation}
        """
        return prompt

    def parse_llm_response(self, response):
        # 自定义解析逻辑
        code = self.extract_code_with_custom_markers(response)
        return Solution(code=code)

    def load_custom_config(self):
        # 加载领域特定配置
        return {"context": "自定义领域知识"}

用法:

task = MyCustomTask()
interface = MySpecializedInterface(task)
result = evotoolkit.solve(interface=interface, ...)

比较：接口 vs 直接方法调用

使用接口（高级 API）✅ 推荐

interface = EvoEngineerPythonInterface(task)
result = evotoolkit.solve(interface=interface, ...)

优点: - 简单明了 - 自动配置 - 从接口推断算法

直接方法调用（低级 API）⚙️ 高级

from evotoolkit.evo_method.evoengineer import EvoEngineer, EvoEngineerConfig

config = EvoEngineerConfig(interface=interface, ...)
algorithm = EvoEngineer(config)
algorithm.run()

优点: - 完全控制配置 - 访问内部状态 - 自定义后处理

下一步