目录
概述
初始化
变异操作
交叉操作
选择操作
参数分析
优点
缺点
离散差分进化算法
概述
差分进化算法是一种用于解决全局优化问题的随机搜索算法。与遗传算法、 粒子群优化算法、蚁群算法、人工蜂群算法等智能算法相比较，DE 算法的参数少、优化能力较强。 DE 算法是进化算法中的一种，它具有进化算法所有的优点。该算法受自然界中物种“优胜劣汰，适者生存”的准则启发，通过对种群进行初始化、个体适应值评价、差分变异操作、杂交操作、选择操作等过程选择更优秀的下一代，算法流程图如图所示。 由图可知，DE 算法中种群初始化后，通过适应值函数对种群个体进行评价计算，再将种群中的个体放入循环中进行各项操作，当循环不满足终止条件时，跳出循环体，输出最优个体。其中，常被使用的终止条件是：适应值评价次数是否超过最大评价次数，种群迭代次数是否超过最大种群迭代次数。
初始化
初始化种群中的每一个个体都是搜索范围内的一个解，种群中的个体需要尽可能的分布在搜索范围内的所有区域，以便算法可以进行大范围的寻优，增加找到最优值的概率。
第t代种群如下式所示，Np表示种群中的个体数目，