标准差分进化算法matlab程序实现

本文档介绍了作者在研究生阶段学习智能优化算法时,深入研究标准差分进化算法的过程。通过阅读英文文献并理解伪代码,作者在MATLAB中实现了该算法,并对网上存在的代码进行了修改和封装。提供了主函数DE_Std.m、变异函数mutation.m、交叉函数crossover.m及测试函数testFun.m的详细内容,旨在帮助读者理解和应用差分进化算法。
摘要由CSDN通过智能技术生成

终于开始了研究生阶段的学习生活,繁琐的入学相关事宜也处理得差不多了。在9月5号,我们实验室召开了第一次小组会议,导师也相继给我们指定了各自的研究方向,不出意外,我接下来将围绕智能优化算法在太阳能电池方面的应用展开学习和研究。

从6号到9号,我用三天时间看完了两篇关于标准差分进化算法的英文文献,虽然在完成本科毕业设计的时候也简单接触了差分进化算法,但是并没有自己动手实现,只是粗略地了解了算法流程,而这次则是仔细阅读了文献中的伪代码,参考了一些别人的代码。在这个过程中,我发现很多网上的代码有的没有进行封装,或者有的会出现或多或少的bug,所以最后自己尝试用matlab对别人的代码按照自己对差分进化算法的理解做了一定的修改实现,如果大家发现有不正确的地方,欢迎留言指正。下面给出两篇英文文献名以及具体的matlab代码。

差分进化算法英文文献:《Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces》、《Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization》

标准差分进化算法matlab程序实现:

一、主函数:DE_Std.m

%根据文章《Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization》的算法:ALGORITHMIC DESCRIPTION OF DE
%@written by Zhan Qian,2015-5-24
%测试函数求值用函数testFun(x,FunIndex)
%变异向量用函数mutation(X,bestX,F,mutationStrategy)
%交叉向量用函数crossover(X,V,CR,crossStrategy)
%mutation
%mutationStrategy=1:DE/rand/1,
%mutationStrategy=2:DE/best/1,
%mutationStrategy=3:DE/rand-to-best/1,
%mutationStrategy=4:DE/best/2,
%mutationStrategy=5:DE/rand
  • 20
    点赞
  • 100
    收藏
    觉得还不错? 一键收藏
  • 21
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 21
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值