差分进化算法matlab源码(单目标sphere函数)

• 代码是自己写的，如果对代码中有疑问或者不正确的地方，请评论留言，谢谢。

---

•  差分进化算法的matlab源码，这里只对单目标连续问题做研究，离散问题目前没有涉及，下面是标准差分进化算法的matlab源码，里面的函数是单目标的sphere函数。这份代码只是更好的理解差分进化算法(DE)的原理和迭代的过程。

问题：单目标sphere函数

 

运行效果：

源码里关于参数的设置是看过一些sci改进的DE论文中提到的对参数合理的设置。

matlab源码(单目标sphere函数)：

%标准差分进化算法matlab源码

clear;      %删除工作区中的所有变量
close all;  %关闭所有图形窗口
clc;        %清除命令窗口的内容

%控制变量的设置，这里要求的是单目标的sphere函数
Np=160;     %Np在(5D，10D)之间
F=0.1;      %F的设定在0.0和1.0附近
Cr=0.5;     %Cr的设定在(0.4，0.9)之间
Algebra=100;
Dimension=30;
Generation=1;
scope_min=-100;  %测试函数的解空间
scope_max=100;

%初始化种群变量
variation=zeros(Np,Dimension);
trial=zeros(Np,Dimension);

%进行初始化操作并且评估种群的适应值
initial=rand(Np,Dimension)*(scope_max-scope_min)+scope_min;
for i=1:Np
    adapt_value_1(i)=sum(initial(i,:).^2);
end
trace(Generation)=min(adapt_value_1); %记录代数和每代最优解之间的关系

%进行变异->交叉->选择的迭代
while(Generation<=Algebra)
    for j=1:Np
        dx=randperm(Np);
        if dx(1)==j,dx(1)=dx(4);
        elseif dx(2)==j,dx(2)=dx(4);
        elseif dx(3)==j,dx(2)=dx(4);
        end
        variation(j,:)=initial(dx(1),:)+F*(initial(dx(2),:)-initial(dx(3),:));
        %对变异种群的个体进行是否在解空间中做判断
        for m=1:Dimension
            if variation(j,m)<scope_min || variation(j,m)>scope_max
                variation(j,m)=rand*(scope_max-scope_min)+scope_min;
            end
        end
        for n=1:Dimension
            cr=rand(1);
            if cr<Cr || dx(5)==n
                trial(j,n)=variation(j,n);
            else
                trial(j,n)=initial(j,n);
            end
        end
        adapt_value_2(j)=sum(trial(j,:).^2);
    end
    for q=1:Np
        if adapt_value_2(q)<=adapt_value_1(q)
            initial(q,:)=trial(q,:);
        end
        adapt_value_1(q)=sum(initial(q,:).^2);
    end
    Generation=Generation+1;
    trace(Generation)=min(adapt_value_1);
end
figure(1);
plot(trace);
xlabel('进化代数');
ylabel('适应值');