详述差分进化算法（DE）代码复现

  申明！！本篇文章中所有的非代码性叙述和数学公式均摘录自差分进化算法（DE）详述

  差分进化算法（Differential Evolution Algorithm，DE）是基于群体智能理论的优化算法，它是通过群体内个体间的合作与竞争而产生的智能优化算法，字面意思即可看出它有别于遗传算法的自由组合自然选择，它更侧重的是个体与个体和个体与自身间的关系，包括合作与竞争。
  其主要步骤为：种群初始化，变异，交叉，适应度函数选择。
  为实现差分进化算法全过程，本文主要目标为：求解[-3,3]区间内，$y=2x^2+3x-1$最小值所对应的x值。

1.初始化

• D为自变量维度，文章中D=1；
• NP种群规模总数即个体总数，文章中NP=100；
• 迭代次数100000；（由于种群中一次仅变异一个个体，所以迭代次数要多一些，可以设置种群中有若干个体均变异来降低迭代次数）
• 交叉概率0.1
• 确定自变量维度j的上下限，由于文章仅一个维度，因此j=1，上下限维度为-3，3；
• 初始化种群：每个个体总服从上下限之间的均匀分布加标准正态分布的随机偏差。
           $X_{ij,0}=ranf[0,1]\ast ({X_j}^{(U)}-{X_j}^{}$