摘要
Clifford Bohm、Jory Schossau、Alexander Lalejini和Charles Ofria，2019年。 MABE 2.0是对MABE的介绍，也是MABE未来发展的路线图。 GECCO 2019指南——2019年遗传和进化计算会议指南 (7 2019), 1349--1356. 谷歌学者 
数字图书馆 
James Bradbury、Roy Frostig、Peter Hawkins、Matthew James Johnson、Chris Leary、Dougal Maclaurin、George Necula、Adam Paszke、Jake VanderPlas、Skye Wanderman Milne和Qiao Zhang。 2018.JAX:Python+NumPy程序的可组合转换。 http://github.com/google/jax 谷歌学者 亚历山大·E.I.布朗利（Alexander E.I.Brownlee）、恩德·奥兹坎（Enderzcan）、杰里·斯旺（Jerry Swan）和安德鲁·帕克斯（Andrew J.Parkes）。 2014.Hyperion2:{meta-，hyper-}启发式研究工具包。 GECCO 2014-2014年遗传和进化计算会议的配套出版物 (2014), 1133--1139. 谷歌学者 数字图书馆 博格丹·布拉克（Bogdan Burraca）、加布里埃尔·克伦伯格（Gabriel Kronberger）和迈克尔·科蒙达（Michael Kommenda）。 2020年。Operon C++：符号回归的高效遗传编程框架。 GECCO 2020 Companion-2020遗传与进化计算会议论文集Companion (7 2020), 1562--1570. 谷歌学者 数字图书馆 Mark A.Coletti、Eric O.Scott和Jeffrey K.Bassett。 2020年。Python进化算法库（LEAP）。 GECCO 2020指南-2020遗传和进化计算会议指南 (7 2020), 1571--1579. 谷歌学者 数字图书馆 雷米·库隆。 2002.使用神经网络的强化学习，及其在电机控制中的应用。 (6 2002). https://theses.hal.science/tel-00003985https://theres.hal.science/tel -00003985/文件 谷歌学者 弗朗索瓦·米歇尔·德雷恩维尔（François Michel De Rainville）、费利克斯·安托万·福廷（Félix Antoine Fortin）、马克·安德烈·加德纳（Marc AndréGardner）、马克·帕里佐（Marc Parizeau）和克里斯蒂安·加涅。 2012.DEAP：进化算法的Python框架。 GECCO’12——第14届国际遗传与进化计算协会会议记录 (2012), 85--92. 谷歌学者 数字图书馆 约翰·德雷奥（Johann Dreo）、阿诺德·利福戈（Arnaud Liefooghe）、塞巴斯蒂安·维雷尔（Sébastien Verel）、马克·肖纳（Marc Schoenauer）、胡安·梅雷洛（Juan J.Merelo）、亚历山大·奎米（Alexandre Quemy）、本杰明·鲍。 2021.天堂：从进化计算的模块化框架到元启发式的自动化设计：天堂的22年。 GECCO 2021指南-2021遗传和进化计算会议指南 (7 2021), 1522--1530. 谷歌学者 数字图书馆 David Eby和R Averill，1999年。 使用注入岛遗传算法优化飞轮。 计算机进化设计 13 (1999), 167--190. 谷歌学者 Achiya Elyasaf和Moshe Sipper。 2013年，HH-evolver：针对特定领域的超神经进化系统。 2013年GECCO——2013年遗传和进化计算会议纪要 (2013), 1285--1291. 谷歌学者 数字图书馆 吉尔赫梅·埃斯帕达（Guilherme Espada）、利昂·英格尔（Leon Ingelse）、保罗·卡内拉斯（Paulo Canelas）、佩德罗·巴博萨（Pedro Barbosa）和阿尔西德斯·丰塞卡（Alcides Fonseca）。 2022.数据类型作为语法引导遗传编程的更符合人类工效学的前端。 （2022年11月），第86页至第94页。 谷歌学者 数字图书馆 迈克尔·芬顿（Michael Fenton）、詹姆斯·麦克德莫特（James McDermott）、大卫·法根（David Fagan）、斯特凡·福斯滕莱克纳（Stefan Forstenlechner）、埃里克·亨伯格（Erik Hemberg）和迈克尔·奥尼尔。 2017.PonyGE2：python中的语法演变。 GECCO 2017——遗传和进化计算会议纪要 8 (7 2017), 1194--1201. 谷歌学者 数字图书馆 大卫·哈。 2020年。泥泞排球馆环境。 https://github.com/hardmaru/slimevolleygym。 谷歌学者 Charles R.Harris、K.Jarrod Millman、Stéfan J.van der Walt、Ralf Gommers、Pauli Virtanen、David Cournapeau、Eric Wieser、Julian Taylor、Sebastian Berg、Nathaniel J.Smith、Robert Kern、Matti Picus、Stephan Hoyer、Marten H.van Kerkwijk、Matthew Brett、Allan Haldane、Jaime Fernández del Río、Mark Wiebe、Pearu Peterson、Pierre Gérard-Marchant、， Kevin Sheppard、Tyler Reddy、Warren Weckesser、Hameer Abbasi、Christoph Gohlke和Travis E.Oliphant。 2020年。使用NumPy进行阵列编程。 自然2020 585:7825 585, 7825 (9 2020), 357--362. 谷歌学者 交叉引用 
Sean N.Harris和Daniel R.Tauritz。 2021.防御与安全的竞争性协同进化：基于Elo的类似强度对手抽样。 GECCO 2021指南-2021遗传和进化计算会议指南 (7 2021), 1898--1906. 谷歌学者 数字图书馆 约翰·D·亨特。 2007.Matplotlib：二维图形环境。 科学与工程计算 9, 3 (2007), 90--95. 谷歌学者 数字图书馆 约翰·科扎（John R Koza）。 1992 遗传程序设计：关于通过自然选择进行计算机程序设计。 麻省理工学院出版社，美国马萨诸塞州剑桥。 http://mitpress.mit.edu/books/genetic-programming 谷歌学者 数字图书馆 约翰·科扎（John R Koza）。 1994 遗传编程II：可重用程序的自动发现。 麻省理工学院出版社。 谷歌学者 数字图书馆 约翰·科扎（John R Koza）、大卫·安德烈（David Andre）、福雷斯特·H·贝内特三世（Forrest H Bennett III）和马丁·基恩（Martin A Keane）。 1999 遗传编程III：达尔文的发明和问题解决。 第3卷。 摩根·考夫曼。 谷歌学者 约翰·科扎（John R Koza）、马丁·基恩（Martin A Keane）、马修·斯特里特（Matthew J Streeter）、威廉·米德洛威克（William Mydlowec）、杰森·余（Jessen Yu）和吉多·兰扎（Guido Lan。 2005 基因编程IV：常规人类竞争机器智能。 第5卷。 施普林格科技与商业媒体。 谷歌学者 马丁·阿巴迪、阿什什·阿加瓦尔、保罗·巴勒姆、尤金·布雷维多、陈志峰、克雷格·雪铁罗、格雷格·科拉多、安迪·戴维斯、杰弗里·迪恩、马蒂厄·德文、桑杰·盖马瓦特、伊恩·古德费罗、安德鲁·哈普、杰弗里·欧文、迈克尔·伊萨德、杨庆嘉、拉法尔·约泽福维奇、卢卡斯·凯泽、曼朱纳特·库德勒、乔什·莱文伯格、Dandelion Mané、拉贾特·蒙加、谢里·摩尔， 德里克·默里（Derek Murray）、克里斯·奥拉（Chris Olah）、迈克·舒斯特（Mike Schuster）、乔纳森·施伦斯（Jonathon Shlens）、贝诺伊特·施泰纳（Benoit Steiner）、伊利亚·萨茨克弗（Ilya Sutskever）、库纳尔·塔尔瓦尔（Kunal Talwar）、保罗·塔克（Paul Tucker）、文森特·范霍克（Vincent Vanhoucke）、维杰伊·瓦苏。 2015.TensorFlow：异构系统上的大规模机器学习。 https://www.tensorflow.org网站/ 谷歌学者 易美、陈琦、安德鲁·伦森、薛冰和张梦洁。 2022.通过遗传编程解释人工智能：一项调查。 IEEE进化计算汇刊 （2022）。 谷歌学者 数字图书馆 Fernando E.B.Otero、Tom Castle和Colin G.Johnson。 2012年，《EpochX：Java中的基因编程与统计和事件监测》。 GECCO’12——第14届国际遗传与进化计算协会会议记录 (2012), 93--100. 谷歌学者 数字图书馆 Edward Pantridge和Lee Spector。 2017.PyshGP:PushGP在python中。 GECCO 2017——遗传和进化计算会议纪要 8 (7 2017), 1255--1262. 谷歌学者 数字图书馆 Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga、Alban Desmaison、Andreas Kopf、Edward Yang、Zachary DeVito、Martin Raison、Alykhan Tejani、Sasank Chilamkurthy、Benoit Steiner、Lu Fang、Junjie Bai和Soumith Chintala。 2019.PyTorch：一个势在必行的风格、高性能的深度学习图书馆。 在 神经信息处理系统的进展32 、H Wallach、H Larochelle、A Beygelzimer、F d Alché-Buc、E Fox和R Garnett（编辑）。 Curran Associates公司，8024--8035。 http://papers.neurips.cc/paper/9015-pytorch-an-imperative-style-high-performance-deep-learning-library.pdf 谷歌学者 数字图书馆 费比安·佩德雷戈萨（Fabian Pedregosa）、加尔·瓦洛奎（Gaöl Varoqueux）、亚历山大·格兰福特（Alexandre Gramfort）、文森特·米歇尔（Vincent Michel）、伯特兰·蒂里昂（Bertrand Thirion）、奥利维尔·格里塞尔（Olivier Grisel）、马蒂厄·布隆德尔（Mathieu Blondel）、彼得·普雷滕霍弗（Peter Prettenhofer）、罗恩·维斯（Ron Weiss）、文。 2011.Scikit-learn：Python中的机器学习。 机器学习研究杂志 12, 85 (2011), 2825--2830. http://jmlr.org/papers/v12/pedregosa11a.html 谷歌学者 数字图书馆 埃里克·斯科特和肖恩·卢克。 2019.ECJ第20页：走向通用元启发式工具包。 GECCO 2019指南——2019年遗传和进化计算会议指南 (7 2019), 1391--1398. 谷歌学者 数字图书馆
建议
HMXT-GP：一种保持多样性的遗传编程信息理论方法 SAC’11：2011年ACM应用计算研讨会论文集 本文将一种最新的控制遗传算法（GA）的信息理论方法HMXT应用于基于树的遗传编程（GP）。 HMXT在GA域中需要在种群中设置选择阈值，并且。。。 研究空间协同进化的成功 GECCO’05：第七届遗传和进化计算年会会议记录 我们研究了空间分布种群共同进化的结果。 特别地，我们描述了一个简单的函数近似问题用于比较不同的空间进化方法的工作。 我们的工作表明，在这方面。。。 GP构建复杂系统中多样性与任务分解的协同作用 GECCO’16指南：2016年遗传和进化计算会议指南 不幸的是，遗传编程的复杂性往往与代码膨胀等不良特性有关。 在这项工作中，我们回顾了通过以下方式促进复杂系统的发展：1）项目团队的演变，然后2）。。。
