DEAP 是一种用于快速原型设计和思想测试的新型进化计算框架。它旨在使算法明确，数据结构透明。它与多处理和 SCOOP 等并行机制完美协调。
DEAP 包括以下功能：
使用任何可想象的表示的遗传算法
列表，数组，集，字典，树，Numpy 数组等
使用前缀树进行遗传编程
弱类型，强类型
自动定义的功能
进化策略（包括 CMA-ES）
多目标优化（NSGA-II，SPEA2，MO-CMA-ES）
多个群体的共同进化（合作和竞争）
评估的并行化（以及更多）
居住在人口中的最佳人物名人堂
定期拍摄系统快照的检查点
基准测试模块包含最常见的测试功能
进化的谱系（与NetworkX兼容）
替代算法的示例：粒子群优化，差分进化，分布估计算法
