我目前正在使用以下库在Python as documented here中运行CMA-ES优化策略：
pip3 install cma
该库易于使用，并允许指定随机种子和特征形式。但是，它似乎在性能方面没有进行优化。
对于具有向量化numpy输入且人口众多（本次测试中为2048）的Rosenbrock测试函数，我们最终仅花费了0.5％的时间来评估该函数（如果包括转换返回的列表，则花费了1.5％放入一个np数组）。此外，对于更有意义（昂贵）的健身功能最相关的是，偶尔会出现“滞后尖峰”，其运行速度会慢约200倍，而无明显原因。
是否有可用的python3库使用高效的numpy或CMA-ES的本机实现？