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遗传算法非常类似，都包括变异、杂交和选择操作，但这些操作的具体定义与遗传算法有所不同。

此乃项目组教学的差分进化算法，遗传算法，POS算法

实用Boost和 STLport完成的高效易扩展的差分进化算法（又叫微分进化算法）.其各个算子以单独的函数提供，方便用户根据自己的实际需要进行修改扩展

程序可用，自带训练和测试数据集，每个模块是单独编，可读性强，利用率高。

用MATLAB程序实现差分进化算法，程序包含5个文件，分别为主程序、初始化种群、适应度函数（选择）、交叉、变异。程序示例为设计一阶控制器使离散传递函数(z-1)(z+0.3)/z(z-2)(z-0.5)稳定。

这是很好的差分进化算法源代码，其中除含标准型式的差分精华算法，还含多种变型的差分进化算法。值得差分进化算法编程者使用和查考！（对不起，前我上传的EA.rar 传错了，它是Csdn上下载的。这个才是要上传的）

基于差分进化算法的函数优化分析.zip

MATLAB源码集锦-基于差分进化算法的函数优化分析

差分进化算法matlab实现

针对非线性模型的参数估计寻优较为困难的问题，提出一种基于改进的差分进化算法的非线性系统模型参数辨识新方法。通过引入一个自适应变异率，随着迭代的进行自适应调整缩放因子，从而在初期保持种群多样性以避免早熟，并在后期逐步降低变异率，保留优良信息，避免最优解遭到破坏。交叉概率采用动态非线性增加的方法，提高了收敛速度。为了验证算法性能，针对几类典型的非线性模型参数辨识问题进行了仿真研究，并将其应用于一类发酵动力学模型参数的估计中。结果表明改进算法的参数辨识精度高，收敛速度也比较快，有效提高了模型建立的精度与效率，为解决实际系统中参数估计问题提供了一条可行的途径。