双层规划，主从博弈的一种求解方法：下层使用yalmip，上层使用差分进化算法，迭代直至均衡点

最近在学习下面这篇文章：

其算法流程图如下：

如果有做电力优化或者博弈的同学可以去学习一下。

由于对遗传算法不太熟悉，因此在学习中遇到了一些问题，现对其进行总结。

遗传算法

以下是博主看到的，关于遗传算法讲解，比较好的两篇博文：

https://blog.csdn.net/tsroad/article/details/52464108
https://blog.csdn.net/u010451580/article/details/51178225

遗传算法的经典进化图片：

主要包括选择、交叉、变异三个步骤。
tips：选择中先对适应度进行归一化，再使用轮盘赌算法进行选择。适应度越高的通常被选择的概率也就越大。

trace

代码中有一段这个内容：

一些遗传算法中通常涉及函数trace，常见的解释是求矩阵的迹。但是在本算法下，显然不是。

matlab对其的解释为：

不是很懂，发现matlab官网上有一篇更加详细的解答：

https://www.ilovematlab.cn/thread-304347-1-1.html

说是trace是对适应度等参数的追踪。
（DBQ，还不是很明白，如果有UU懂得，麻烦解答我一下_/(ㄒoㄒ)/~）

差分进化算法

值得注意的是，在算法的参数设置中，具有偏差放大系数。传统的遗传算法中并不包含该参数。

发现，这篇文章用的是差分进化算法，不是遗传算法。/(ㄒoㄒ)/~~。
差分进化算法具体的知识点可以看下面两篇文章，整理的很好。

https://www.cnblogs.com/ncepubye/p/12724042.html
https://blog.csdn.net/qq_37423198/article/details/77856744

//后续将补充整个论文代码的详细逻辑图，先埋个坑。