differential evolution

差分進化算法（differential evolution）

基本介紹

• 中文名：差分進化算法
• 外文名：differential evolution

差分進化算法（差異進化算法，微分進化算法，英語：Differential Evolution）是一種用於最佳化問題的後設啟發式算法。本質上說，它是一種基於實數編碼的具有保優思想的貪婪遺傳算法。

差分進化算法類似遺傳算法，包含變異，交叉操作，淘汰機制，而差分進化算法與遺傳算法不同之處，在於變異的部分是隨選兩個解成員變數的差異，經過伸縮後加入當前解成員的變數上，因此差分進化算法無須使用機率分布產生下一代解成員。

差分進化算法的起源，根據學術調查研究最早可追溯至1995年由Storn與Price所作的技術報告。1996年5月，差分進化算法在國際電機電子工程師學會演化計算研討會（Conference on evolutionary computation）公開發表。

1997年，Storn與Price在全域最佳化國際學術期刊（Journal of global optimization）發表了差分進化算法。

算法的原理採用對個體進行方向擾動，以達到對個體的函式值進行下降的目的，同其他進化算法一樣，差分進化算法不利用函式的梯度信息，因此對函式的可導性甚至連續性沒有要求，適用性很強。同時，算法與粒子群最佳化有相通之處，但因為差分進化算法在一定程度上考慮了多變數間的相關性，因此相較於粒子群最佳化在變數耦合問題上有很大的優勢。由於差分進化算法在連續域最佳化問題的優勢已獲得廣泛套用，並引發進化算法研究領域的熱潮。算法的實現參考實現代碼部分