我想为 SGI UV 系统（核心 = 512，共享内存 = 4TB）实现一个基于 GA 的特征选择程序，其运行方式如下：（特征选择是找到原始特征的最小子集的过程，这使得对于给定的数据，输出类之间的区分比使用原始特征集（或只是相同）更好，例如数据包括：{Atmospheric Pressure, Temperature, myShoeSize} 作为自变量，输出是降雨，可能是特征的结果选择将是 {Atm.Pressure, Temperature}）。
GA 保留了一个父池，每个父池代表一个不同的特征子集。这些父母需要使用支持向量机或任何其他机器学习方法（神经网络等）进行评估，所以我希望每个父母都被发送到下一个可用的 cpu 核心，使用任何程序进行评估并将适合度发送回GA。因此，GA 将负责除每个父级的评估（适应度）之外的所有事情 - 相反，GA 会将父级发送到可用核心并等待适应度结果。这就是该方法的分布式特征所在（所以我不希望在不同的核心上运行各种 GA，只在一个核心上运行一个 GA 并在不同的核心中产生适应度评估器）。
为了利用我的硬件的分布式计算特性，我希望 GA 在异步模式下运行，而有两组父母，一组接受过健康评估，另一组正在等待。当有一个空闲核心时，GA 从未评估池中取出一个父级并将其发送到核心。与此同时，GA 从评估池中获取父母，对他们进行变异等。交叉他们并将其孩子发送到未评估池等等。
所以，我的想法是获取一个开源的 GA 库，并就其评估功能对其进行一些修改。如果库提供这种“异步”模式，那就太好了。除了所有这些之外，我还希望该库提供许多功能，例如蜂窝GA。无论结果如何，也将是开源的。
有没有人有什么建议？顺便说一句，有没有人知道任何关于这种“异步”模式的出版物的引用——或者你认为有什么缺点吗？