离散的差分进化Discrete DE

一般的差分算法的变异规则:
Xmutation=Xr1+F(Xr2-Xr3),F为缩放因子，

离散差分进化DDE的变异规则：设每个解为K个元素的集合，则
Xr2-Xr3:求出Xr2与Xr3有m个共同元素，则Xr2-Xr3表示Xr2中减去m个相同的元素，剩下的K-m个独有元素e1,e2,...eK-m（若K-m==0,则随机产生一个新的Xr3替换掉原有的Xr3，再执行上述过程）。
Xr1+F(Xr2-Xr3):F为缩放因子，F=0.5+random（0.5到1.5之间的随机数）,则Xr1+F(Xr2-Xr3)表示，
要在Xr1中随机找出N=F*(K-m）个元素进行替换，新的元素来自（e1,e2,...eK-m）。
若N<=K-m，替换N个
若K-m<N<K，替换N个，不足的元素从集合V随机挑选。
若N>K，则替换N=K个，即替换Xr1中K个位置的所有元素，元素为e1,e2,...eK-m和集合V中的随机元素。

替换之后的Xr1为Xmutation。

交叉规则：
if random<cr
Xselection=Xmutation
else
把X再次进行变异得到Xnew
Xselection=Xnew

这样做是因为，我把变异理解局部搜索，交叉部分必须能够产生新的个体，才能实现全局搜索。

转载于:https://www.cnblogs.com/aaronhoo/p/7054723.html