差分进化CoDE

差分进化算法是一种基于种群的优化算法，在优化问题上具有广泛的应用。本文主要介绍了差分进化算法的基础知识和常用变种及其应用场景，同时详细讲解了算法的运作原理和参数设置方法。本文还提供了若干案例和应用实例

迪派克斯 Epsilon的差分进化-分区转换(ePX) ***具有epsilon分区交叉(ePX)的标准差分演化*** 说明:这是带有ePX的DE的源代码,用于CEC17 Suite单目标优化的绑定约

差分进化算法(Differential Evolution Algorithm,DE)是一种高效的全局优化算法。它也是基于群体的启发式搜索算法,群中的每个个体对应一个解向量。差分进化算法的进化流程则与

具有事件触发脉冲控制的差分进化

提出一种基于群体适应度方差自适应二次变异的差分进化算法.该算法在运行过程中根据群体适应度方差的大小,增加一种新的变异算子对最优个体和部分其他个体同时进行变异操作, 以提高种群多样性, 增强差分进化算法

介绍了原煤可选性曲线的常用绘制方法。尝试了新的曲线拟合方法,即运用差分进化算法,对模型函数的参数寻优,当拟合误差最小时,得到模型参数值。根据拟合好的模型函数,编写MATLAB程序绘制可选性曲线。结果表

提出了一种用于全局优化的混合差分进化算法。 在新算法中,混沌系统的随机性被用来在搜索空间中尽可能多地散布个体,模式搜索方法被用来加速局部开发,而DE算子被用来跳到一个更好的点。 证明了全局收敛。 详细

此程序是微分进化算法程序，run1和run2分别为输入参数，devec为微分进化算法主程序，rosen为目标函数 运行run1或run2，即可得到rosen函数的最大值（为单独的微分进化算法）

微分进化 这是一个用R编写的简单程序,用于演示差分进化算法的实现,该算法是与优化问题相关的广泛应用的进化算法。 在此示例中,它已被适配为解决具有一组约束的逻辑网格难题。 但是,它可以应用于一系列不同的

为解决三维复杂环境下无人机动态航迹规划问题,提出一种基于改进约束差分进化算法的动态航迹规划方法,以满足对实时性及动态搜索精度的要求.首先,根据无人机航迹规划特点将其描述为包括飞行约束及威胁约束在内的约