java设计差分进化（DE）算法解决多元函数的最优化问题

怎样运用差分演化算法解决多元函数的最优值问题？

根本在于找到最优的n维个体的最优解，将其带入到建立好的适应度函数值当中就可以求解到多元函数的最优值，关键问题在于最优值的保存，在算法的设计过程之中。

下面提供了DE解决超椭球体函数f(x)=sum(x(i)*2^i),其中i等于0—Np;这里Np是种群个体数。以java程序为例！

import java.util.Random;
/***************************
 改进差分算法
 	初始化
 	变异
 	交叉
 	选择
 需求1：利用差分演化算法求解超椭球体函数y=sum(x(i)*2^i)在区间[-1,2]的最小值/最大值
 	时间：2020.11.27
 	
 	思考：怎样的迭代次数最好，存不存在最好的迭代次数；
 	            种群的选取到底怎样才是最好的
 	    F/Cr的选取是怎样影响我们的最优结果，从理论和实验上去做
 需求2：利用差分求解函数z=x.^2+y.^2在区间[-1,2]上的最大值/最小值
 	思考：怎样解决多为的函数最优化问题，已就是多目标