差分进化算法原理及优化应用

目录

一、差分进化（differential evolution）算法的起源

二、差分进化算法的原理

（一）初始化参数

（二）初始种群

（三）种群变异

（四）种群的交叉

（五）最优种群的选择

三、差分进化算法的几何分析

1.产生初始种群的空间几何分布如下：

2. 变异过程的几何表示：

3. 交叉操作的几何表示：

4.选择操作

四、差分进化的标准测试集

（一）单目标优化

1. 23个单峰、多峰的单目标测试集

2.CEC 2005 Special Session on Real-Parameter Optimization

3. CEC'2008 special session and competition on large scale global optimization

4. CEC'2013 Special Session and Competition on Large-Scale Global Optimization

5. CEC 2014 special session and competition on single objective real-parameter numerical optimization

（二）约束优化

1.CEC 2006 special session on constrained real-parameter 

（三）多目标优化

1.ZDT,SCH,FON,POL,KUR

2. DTLZ

3. MOP

4. CF,UF

5. MMF

（I）单目标优化代码

(II)多目标代码

（III）约束优化代码----此差分进化是经过改进的

五、差分进化算法的应用领域

1. 差分进化算法优化Si-H族

2. 差分进化算法在非成像光学设计中的应用

3. 工业压缩机供应系统的优化

4. 基于差分进化算法的多传感器融合的极小化表示

5. 测定地震震源：差分进化算法的挑战

6. 并行差分进化在3-D医学图像配准上的应用

---

一、差分进化（differential evolution）算法的起源

差分进化算法由1995，1997年Storn 与Price在文献（Differential evolution – A simple and efficient adaptive scheme for global optimization over continuous spaces；Differential evolution – A simple and efficient heuristic for global optimization over continuous spaces）所提出。

差分进化算法是一种收敛速度快、精度高的一种演化算法，简称DE。而差分进化算法实则源于遗传退火算法（Genetic Annealing Algorithm），在Kenneth Price应用遗传退火算法解决切比雪夫多项式系数的过程中发现虽然解决了该问题，但是收敛过程很慢且有效控制参数