茶年 · 中文维基百科

差分进化算法

Wikipedia · 2025-07-04 维基百科 👁 1 阅读

差分进化算法（）又称微分进化算法，是一种求解最佳化问题的进化算法。因為进化算法對於最佳化问题的要求極少，所以被視為一種。雖然後設启发式算法適用於多種最佳化问题，但是並不保證可以找到全局最優解。

差分进化算法被使用在多維度實數編碼的最佳化问题。因為此算法不使用問題的梯度資訊，故可解不可微分的最佳化问题。也因此，差分进化算法可用於不連續的，雜訊的，隨著時間改變的最佳化问题。

差分进化算法類似遗传算法，包含变异，交叉操作，淘汰机制。本质上说，它是一种基于实数编码的具有保优思想的贪婪遗传算法。而差分进化算法与遗传算法不同之處，在於变异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，因此差分进化算法無須使用機率分佈產生下一代解成員
。

算法的原理采用对个体进行方向扰动，以达到对个体的函数值进行下降的目的，同其他进化算法一样，差分进化算法不利用函数的梯度信息，因此对函数的可导性甚至连续性没有要求，适用性很强。同时，算法与粒子群优化有相通之处，但因为差分进化算法在一定程度上考虑了多变量间的相关性，因此相较于粒子群优化在变量耦合问题上有很大的优势。由于差分进化算法在连续域优化问题的优势已获得广泛应用，并引发进化算法研究领域的热潮。算法的实现参考实现代码部分

歷史

  • 1995年3月，Storn與Price所撰寫的差分進化演算法技術報告，是差分進化演算法的起源。
  • 1996年5月，Storn與Price在國際電機電子工程師學會演化計算研討會公開發表差分进化算法。
  • 1997年12月，在全局最佳化國際學術期刊上刊出Storn與Price所著之差分进化算法論文。
  • 2005年，[https://www.springer.com/ Springer] 出版Storn與Price所著之差分进化算法專書。

演算法原理
差分進化演算法之目的為求解最佳化問題，使用突變、交叉、選擇計算以演化多個可能的解。首先，產生足量的隨機變數，做為初始的可能解。接著，依序進行突變、交叉、選擇計算，做完一輪後，檢查某個終止條件。若終止條件尚未滿足，則回到突變、交叉、選擇計算，否則終止差分進化演算法，輸出最後一輪的最佳解。

突變
在進化計算中，突變是用於產生隨機解的計算方法。

交叉
在突變之後，差分進化演算法使用交叉計算以增強隨機解的多樣性。

選擇
在交叉之後，差分進化演算法對隨機解做選擇，移除演化失敗的解，留下演化成功的解。選擇之後，進行突變計算，直到滿足某個終止條件。

实现代码（MATLAB）
tic
F = 0.9;
CR = .1;
n = 2; %问题维数，以简单的球函数为目标函数
NP = 30;
lu = [-10,-10 ;10 ,10]; %求解空间的上下界
LB = repmat(lu(1,:),NP,1);
UB = repmat(lu(2,:),NP,1);
%用于生成随机选择个体的表
tab = 1:NP; tab = tab(ones(1,NP),:)';
dig = 1:NP; D =(dig-1)*NP +(1:NP);
tab (D) = [];
tab = reshape(tab,NP-1,[])';
TAB = tab;
%测试次数
TIMES = 10;
Solve = zeros(1,TIMES);
numOfevol = zeros(1,TIMES);
for time = 1:TIMES
%
Result = []; %记录结果
rand('seed',sum(100*clock));
%
X = LB+rand(NP,n).*(UB-LB);
U = X;
%%
fit = fitness (X); %首次评价
FES = NP;
while FESUB(BL); BL (BL) = BLU ; V(BL) = UB (BL);
BU = V>UB; V (BU) = 2*UB(BU) - V(BU);
BUL = V(BU)

参看

  • 遗传算法
  • 粒子群优化

参考文献
外部链接

*[http://www.cs.cinvestav.mx/~constraint/ List of References on Constraint-Handling Techniques used with Evolutionary Algorithms（cs.cinvestav.mx）] – Comprehensive bibliography of constraint methods for evolutionary optimization

#數學最佳化 #进化算法

评论 (0)

  • 还没有评论，来抢沙发吧。