差分进化算法（Differential Evolution Algorithm，DE）介绍

前言

      差分进化算法(Differential Evolution Algorithm，DE)由Storn和Price于1995年提出，最早用来解决切比雪夫多项式问题。
      DE 采用实数编码方式, 其算法原理与遗传算法十分相似， 进化流程与遗传算法相同: 变异、交叉和选择。DE 算法中的选择策略通常为锦标赛选择，而交叉操作方式与遗传算法也大体相同，但在变异操作方面使用差分策略, 即利用种群中个体间的差分向量对个体进行扰动，实现个体变异。DE 的变异方式，有效利用群体分布特性, 提高算法的搜索能力，避免遗传算法中变异方式的不足。

差分进化算法

初始化种群

变异操作

      下图为变异操作中式子（2.11）在空间的示意图。

交叉操作

选择操作

算法流程

1. 初始化种群，算法参数；
2. 变异操作；
3. 交叉操作；
4. 选择操作；
5. 判断是否满足终止条件（最大迭代代数or最大函数评价次数等），若满足则输出结果，否则继续返回步骤 2 进行循环。
6. 

C语言伪代码

参考文献

[1] 杨启文, 蔡亮, 薛云灿. 差分进化算法综述[J]. 模式识别与人工智能, 2008, 21(4): 506-513.
[2] Price K V. Differential evolution[M]. Handbook of Optimization. Springer, Berlin, Heidelberg, 2013: 187-214.
[3] 待续，因为有部分截图内容无法找到原著作，大家如果发现了请告知，谢谢。