差分進化演算法 (Differential Evolution)

標籤：ml

      Differential Evolution（DE）是由Storn等人於1995年提出的，和其它演化演算法一樣，DE是一種類比生物進化的隨機模型，通過反覆迭代，使得那些適應環境的個體被儲存了下來。但相比於進化演算法，DE保留了基於種群的全域搜尋策略，採用實數編碼、基於差分的簡單變異操作和一對一的競爭生存策略，降低了遺傳操作的複雜性。同時，DE特有的記憶能力使其可以動態跟蹤當前的搜尋情況，以調整其搜尋策略，具有較強的全域收斂能力和魯棒性，且不需要藉助問題的特徵資訊，適於求解一些利用常規的數學規劃方法所無法求解的複雜環境中的最佳化問題。目前，DE已經在許多領域得到了應用，譬如人工神經元網路、化工、電力、機械設計、機器人、訊號處理、生物資訊、經濟學、現代農業、食品安全、環境保護和運籌學等。

       DE 演算法主要用於求解連續變數的全域最佳化問題，其主要工作步驟與其他進化演算法基本一致，主要包括變異(Mutation)、交叉(Crossover)、選擇(Selection)三種操作。演算法的基本思想是從某一隨機產生的初始群體開始，利用從種群中隨機選取的兩個個體的差向量作為第三個個體的隨機變化源，將差向量加權後按照一定的規則與第三個個體求和而產生變異個體，該操作稱為變異。然後，變異個體與某個預先決定的目標個體進行參數混合，產生實驗個體，這一過程稱之為交叉。如果實驗個體的適應度值優於目標個體的適應度值，則在下一代中實驗個體取代目標個體，否則目標個體仍儲存下來，該操作稱為選擇。在每一代的進化過程中，每一個體向量作為目標個體一次，演算法通過不斷地迭代計算，保留優良個體，淘汰劣質個體，引導搜尋過程向全域最優解逼近。

    DE演算法-作者網站: http://www1.icsi.berkeley.edu/~storn/code.html

    維基百科資料庫  :https://en.wikipedia.org/wiki/Differential_evolution

http://blog.csdn.net/golden1314521/article/details/49970477

http://www1.icsi.berkeley.edu/~storn/code.html#deb1

http://blog.sciencenet.cn/blog-101061-658698.html

http://www.jianshu.com/p/0b734a1ce875

本文出自 “IT技術學習與交流” 部落格，謝絕轉載！

差分進化演算法 (Differential Evolution)