基于进化差分算法的车道线拟合

差分进化算法是一种十分强大的黑盒子优化算法（也称无导数优化算法）黑盒优化是关于寻找一个函数的最小值 [公式] ,我们不知道他的解析形式，因此无法计算导数来最小化它，下图显示了DE算法如何在连续的步骤中逼近一个函数的最小值:

黑盒函数的优化在现实世界问题中非常常见，有些需要要优化的函数非常复杂(并且可能需要使用模拟器或外部软件进行计算)。对于这类问题，DE可以做出非常漂亮的结果，这就是为什么它在解决许多不同领域的问题时很受欢迎，包括天文学、化学、生物学等等。例如，欧洲航天局(欧空局)利用DE设计最佳轨道，以便尽可能少地使用燃料到达行星的轨道。听起来很棒的对吗?最重要的是，该算法非常容易理解和实现。

在讨论更多技术细节之前，让我们先动手。DE吸引我的地方不仅在于它的强大功能，还在于它的简单性，因为它只需几行代码就可以实现。下面是de的一种简单实现形式：

import numpy as np

def de(fobj, bounds, mut=0.8, crossp=0.7, popsize=20, its=1000):
dimensions = len(bounds)
pop = np.random.rand(popsize, dimensions)
min_b, max_b = np.asarray(bounds).T
diff = np.fabs(min_b - max_b)
pop_denorm = min_b + pop * diff
fitness = np.asarray([fobj(ind) for ind