亲爱的用户，由于疫情影响，模块测试员未能及时就位，导致此前更新的Geatpy 2.4.1 版本存在某些较为严重的潜在BUG，现已经将发行版回滚至 2.4.0 版本。给大家造成的不便我们在此深表歉意！
【问卷调查问题反馈】
经过一个多月的问卷调查，现针对一些疑惑性问题作出回复：
1. Geatpy工具箱内置何时内置更多的进化算法？
答：Geatpy实验版已经支持相当丰富的进化算法，如自适应进化算法、CMA-ES、GEP、多模态进化优化、动态进化优化、偏好多目标优化等等，但这些已经实现的算法目前还分散在不同的人手中，只能在其愿意公开源码后才可提交至发行版。不过Geatpy不可能囊括所有的进化算法，“尽可能多地内置各种进化算法”并非团队的初衷，实际上用户可以参照一些平台的算法实现来在Geatpy中轻松自定义对应的算法，以便利用Geatpy的高性能内核进行运算。另外如果自定义的算法的性能不够高，可以联系我们，我们将尽力帮您进行底层改写，以获得极致的运算性能。
2. Geatpy提供的框架封装比较简单，没有一些国外的框架封装得那么系统和完备？
答：目前Geatpy提供的进化算法框架是半面向对象半面向过程的，用户不需要单步调试即可窥见框架的全貌，其中的内核算子全部是面向过程的，高度脱耦合，可以直接脱离框架使用。而某些国外的EA框架对进化算法进行了深度封装，就连单步调试都难以把握整个框架，并且多个模块之间深度耦合，想要自定义新的算法需要“牵一发而动全身”（基于国外知名EA框架改写的GEP算法程序就是个典型的例子，它把原本的框架大部分代码都给重写了）。而Geatpy提供的EA框架既有极高的性能，又不晦涩难懂，可以像搭积木似的上面自定义新的进化算法。
3. 有少数问卷中提及对Geatpy的维护团队表示好奇，想要贡献代码，需要怎么做呢？
答：目前Geatpy的软件版权挂靠在华南农业大学进化算法实验室的杨老师那里，但实际维护运营是独立于该实验室的，而由来自多所高校的优秀学生贡献代码及维护。需要贡献代码的朋友们可以通过邮件联系我们（提交的代码支持纯python和纯C语言两种），贡献的代码将会被进行深度底层优化，或者是改写成适合超大规模进化优化的GPU运算模块，以获得极致的运算性能。
4. 有部分问卷提到能否内置更多的benchmarks，以方便对进化算法的效果等进行比较。
答：后面会根据需要增添更多的benchmarks，但建议少跑benchmarks。近年来出现了越来越多的改进型进化算法，其中不少（甚至某些是出自TEVC、SCI一区的论文中的算法）存在比较严重的问题：只能在少数几个benchmarks上效果良好，换一些在论文中没做实验的而属于同一类问题的benchmarks出来的效果大打折扣、时间复杂度高、可被替代性强、难以应用到实际应用当中，等等。当前，把进化算法往更广的应用领域推广才是我们最应该做的事情，例如进化机器人、进化生命体、神经网络的进化等，而并非想方设法地在某几个benchmarks上“跑赢”某些已经比较完备的已经广泛应用了的进化算法。
5. 有部分问卷反映Geatpy代码的函数、参数命名等不符合Python规范。
答：这个是历史遗留问题，在第一代Geatpy的设计伊始并没有严格遵循Python的命名规范，而是设计了一套工具箱内统一的命名规则，让命名方式向知名的进化算法工具箱先驱者“GEATbx”致敬，采用的是英文短语缩写的形式，使得命名风格尽量接近于“GEATbx”，以便让使用过“GEATbx”的用户可以近乎无障碍地使用Geatpy。例如内核函数“bs2real”、"bs2int"、"mutbga"等。
6. Geatpy发行版什么时候支持GPU计算？
答：已经向国际知名期刊投稿与之有关的文章，发行版需要在文章最终录用后才予以支持，届时Geatpy将不需要依赖额外的第三方Python工具包便可调度GPU进行计算。不过当计算规模特别大的时候才建议使用GPU计算。
最后感谢一些提交了宝贵建议和问题的朋友们！
感谢您们的关注与支持！
听说Github的star越多对我们成员的绩效评估、升学留学等有一定的帮助作用
在此恳求大家多点star呗~~