文章 "群体优化算法：差分进化（DE）"

MetaQuotes 2024.07.08 08:57

在本文中，我们将讨论在前面讨论过的所有算法中最有争议的算法 - 差分进化算法（Differential Evolution，DE）。

差分进化的理念是简单和高效的结合。差分进化算法使用代表潜在解决方案的向量群，每个矢量由代表优化问题变量值的分量组成。

在 DE 中，向量扮演搜索代理的角色。该算法首先创建一个随机向量群，然后会出现一个迭代过程，在这个过程中，每个向量都会发生变异，并与种群中的其他向量交叉。突变是通过将从群体中随机选择的两个向量的差值加到第三个向量上实现的。这样就创建了一个新的向量，它代表问题的潜在解决方案。

变异后，变异的向量与原始向量交叉，交叉可以将两个向量的信息结合起来，创造出新的解决方案。将得到的结果与当前群体中的最佳解决方案进行比较，如果新向量更好，它就会取代旧向量，成为种群的一部分。突变允许探索搜索空间，而交叉则允许组合来自不同向量的信息并创建新的解决方案。

突变、交叉和替换在多次迭代中重复进行，直到达到停止条件，如给定的迭代次数或达到要求的求解精度（在我们的例子中，是适应度函数运行达到 10,000 次）。