Son utilizadas las librerías más populares dentro de la ciencia de datos:
- [DEAP] - Provee funcionalidades base para instanciar problemas de algoritmos evolutivos.
- [multiprocessing] - Paralelización en cálculo de fitness (Arquitectura master-slave)
- [openCV] - Para algoritmos de denoising y detección de bordes.
- [PILLOW] - Para generar y modificar imágenes de forma dinámica (genotipo y fenotipo de individuos).
- [numpy] - Simplifica operaciones de álgebra lineal utilizando código de C para aumentar su eficiencia.
- [scipy] - Evaluación. Pruebas estadísticas con resultados obtenidas.
- [scikit_posthocs] - Análisis de resultados con distribución normal mediante pruebas de pares.
- [pandas] - Manipulación de datos.
- [matplotlib] - Visualización de datos.
- [jupyter] - Generación de gráficas y análisis de resultados.
- Configuración paramétrica
- Comparación con otros métodos y evaluación de resultados mediante pruebas estadísticas y visualización (dado que el algoritmo estocástico).
- Pruebas y generación de gráficas automatizadas con semillas fijadas para reproducir resultados.
- Multiprocesamiento
- Denoising y detección de bordes