Python PyTorch 因果推断 图神经网络 01 因果发现AI网络 基于深度学习的因果发现系统，能够从海量数据中自动识别变量间的因果关系，构建因果图模型。该系统结合了注意力机制与图神经网络，实现了高准确率的因果结构学习。 核心能力 →自动因果结构学习 →大规模变量关系推断 →因果效应量化分析 →可视化因果图生成 查看项目 访问网站
Python 多智能体 复杂系统 博弈论 02 文明演化AI系统 基于多智能体系统的文明演化模拟平台，结合人工智能、复杂系统理论和博弈论，模拟多个独立决策文明的交互、竞争与演化过程，探索文明发展的内在规律。 核心特性 🤖多智能体交互 🌳完整科技树 🎯复杂策略决策 🗺️领土资源管理 🤝文明关系网络 📊丰富可视化 🧬智能演化引擎 🎲随机事件系统 查看项目 访问网站
DEAP NAS QD算法 CMA-ES 03 DEAP多目标优化框架 QD-NAS 基于DEAP框架的多目标优化与神经架构搜索系统，集成质量-多样性优化算法、CMA-ES进化策略和分布式计算能力，为复杂优化问题提供端到端解决方案。 核心算法 NSGA-II/III MOEA/D SPEA2 MAP-Elites CMA-MAPElites CVT-MAPElites CMA-ES 差分进化 高级特性 →质量-多样性优化（QD-NAS） →动态特征提取与真实训练 →贝叶斯超参数调优 →分布式计算与GPU加速 →实时监控与异常检测 查看项目 访问网站