差分进化算法--单目标优化【2023.12.6回顾】

我现在做实验的逻辑是：基于已有的算法，期待在已经有的好的效果的基础上，进行微小的变动，期待实现更好的效果。即使提升不大，但是已经足够打败该测试集下一些其他的算法。【本质上就是水论文，所以显得很零散。】实际上，应该就问题去进行优化，【但是如何发现问题本身就是个问题。】如果没有落脚到实际应用上，那么现在DE的普遍问题在于如何实现探索与开发的平衡，解决容易陷入局部最优的问题。因此很多文章在如何增加多样性上进行了探究，这里基于DE的变异、交叉上又有不少论文。变异用了各种方式进行分类，分层，选精英，实际上就是界定出具有差异的多种集合，从中选择更五花八门的变异方法，就会有更五花八门的实验向量，从而提升多样性。【这里有一个想法，在一个智能电网优化应用上，一个方法只使用了单个个体，通过对个体不同表示开展不同的变异方式实现了极其优越的性能，那如果有一群如此优越的个体是不是更有更好的效果。】 

从理论的层面上，传统交叉方法具有偏向性，拟仿射矩阵的方式从放高维的视角解决的这一偏向。但是QUATER的问题在于，调参非常的困难，【所以拟仿射矩阵对我来说只能是一个迁移模块。】 

另外还有一些外加模块，可以对现有DE进行变化，目前专注在扰动的实现。基于对停滞个体的判定，将不同的扰动策略用在停滞个体上，实际上是对种群多样性最无脑的调节。好的效果需要适当的参数适配，有控制类TOP期刊对基于混沌图的扰动机制做过专门的描述，通篇只讲了一个混沌局部随机搜索的影响，简单来说是基于混沌图的不同扰动方式在JADE上的效果。【以此论证了该模块的有效性甚至理论性，所以即使一个开放性的扰动模块深究下去，让审稿人看到它的可用性本身就是有价值的。】

当然还有一些参数调节，比如各种对F和Cr的自适应调节方式，ps种群缩减方式，都作为算法进一步优化方式被不断提出。除此之外，还有一些其他的优化方式，比如代理辅助，有约束，景观变化等等。

讲了一些，现有的实验模块后，其实更容易陷入一个误区--模块拼接。所以，接下来要转变思想写一些好的期刊会议，就需要聚焦到一个点上把它讲透，或者对应于一个具体的实例做差异化改进，从而体现价值。