OpenELM是一个开源库，致力于在代码和自然语言领域实现基于语言模型的进化搜索。它支持MAP-Elites等多种进化算法，集成了本地和API调用的语言模型，并提供了包括Sodarace和图像生成在内的多个基准环境。该项目旨在为不同计算能力的用户提供简单易用的接口，展示语言模型进化的潜力。

Jenetics是一个Java开发的进化计算库，支持遗传算法、进化算法、语法进化等多种优化方法。它将基因、染色体等概念清晰分离，通过进化流执行算法步骤，可与Java Stream API无缝集成。该库提供全面文档，能够有效解决各类复杂优化问题。

AgileRL是一个创新的深度强化学习库，专注于提升强化学习的开发效率。通过引入RLOps概念，该库显著缩短了模型训练和超参数优化的时间。AgileRL采用进化超参数优化技术，自动找到最优超参数，减少了大量训练运行。它支持多种先进的可进化算法，包括单智能体、多智能体、离线学习和上下文多臂赌博机，并具备分布式训练能力。相比传统方法，AgileRL在超参数优化速度上实现了10倍的提升。

SharpNEAT是一个基于C#的NEAT算法实现，专为.NET 8设计。这个进化算法框架致力于通过神经网络进化解决复杂问题。其模块化架构有利于进化计算研究，同时优化网络结构和连接权重，为探索神经进化潜力提供了有力支持。

NeuralNetworkRacing是一个使用Python开发的2D自动驾驶模拟项目。它结合神经网络和进化算法,训练虚拟汽车在生成的赛道上自主行驶。项目基于pyglet和numpy库实现,包含环境模拟、赛道生成等功能。通过配置文件,用户可以调整人口数量、突变率等参数。该开源项目为AI和自动驾驶领域提供了一个实验平台。