差分进化算法（Differential Evolution）是一种模拟退火算法，可以用来求解其他一些优化问题，如求解整数规划问题、约束最优化问题等

作者：禅与计算机程序设计艺术

1.简介

1.1 什么是差分进化法

“差分进化法”（Differential Evolution）是一种模拟退火算法。它与一般的模拟退火算法不同之处在于：

• 每次迭代都选择多个候选解（或称为“粒子”），并对这些粒子按照一定规则进行更新，使其逐渐向目标靠拢；
• 更新的方法是随机选取两个个体，然后通过一个随机扰动来产生一个新的解，这个新解与旧解之间的差别由一定的概率决定，这样可以降低搜索空间，提高搜索效率。

更为复杂的是，“差分进化法”还支持多峰值（multimodal）函数优化。所谓多峰值函数就是指函数具有多个局部最小值或极小值点。“差分进化法”可以在面对多峰值函数时比普通的模拟退火算法更加有效。
“差分进化法”的优点是可以高效、快速地寻找目标函数的全局最小值或极小值点。
“差分进化法”也可以用来求解其他一些优化问题，如求解整数规划问题、约束最优化问题等。

1.2 为什么要用“差分进化法”？

在实际应用过程中，“差分进化法”具有以下几个特点：

1. 可扩展性强。“差分进化法”本质上是一个基于群体智能的算法，因此在处理多维目标函数和约束条件时表现尤为优秀；
2. 鲁棒性好。“差分进化法”采用多峰值函数优化的策略，能够适应高维、非凸问题；
3. 对非线性函数的适应能力强。“差分进化法”的设计使得它能够适应任意非线性函数；
4. 收敛速度快。“差分进化法”的每次迭代只需要很少的计算量，并且不需要进行精确的数值积分，所以它能迅速找到全局最