本文详细介绍了差分进化算法的主要特点、算法流程、关键参数，并通过一个实例展示了如何进行仿真实验，包括问题画图、代码求解过程，最终得出最优解。
差分进化算法是（differential evolution，DE）是基于群体智能理论的优化算法，是通过群体内个体间的合作与竞争而产生的智能优化搜索算法。对比进化计算，它保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和“一对一”的竞争生存策略，降低了进化计算操作的复杂性。
1 主要特点
结构简单、容易使用
性能优越
自适应性
具有内在的并行性
算法通用
2 算法流程
2.1 初始化
随机生成初试种群X：Xn（n=1，2......NP）。
2.2 变异
基于个体间的向量加减运算:Vn=Xn1+F(Xn2-Xn3)，n1、n2、n3各不相同（NP>=4），F为变异算子，F=[0 2]是一个实常数因数
最低0.47元/天 解锁文章
扫一扫
2171
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
