适合多目标数学模型优化

针对差分进化算法的程序，基于matlab，绝对能够运行，而且生成图形非常好

这个是我自己做的java差分算法的实现，其中有参考C\C++版本。经大量测试证明代码的效率和正确性都很高。欢迎下载。

本例是用C#写的Windows窗口应用程序，显示差分进化算法的结果显示，可以在程序界面调节不同参数对算法结果的影响，比如，种群规模，缩放因子，交叉概率···

python代码随处可见，利用python进行相关的操作和实现时每一个python入门者必不可少的内容，这里利用python 的相关知识，简单的进行了实验，希望对大家有所帮助

matlab代码，详细的matlab代码，可以放心使用，包含三个源文件

差分进化由于其算法简单、收敛速度快，所需领域知识少而受到关注。通常，根据优化问题的约束条件差分进化算法需要进行变量上、下界的限制。本文提出利用IIR滤波器零极点特性来进行IIR滤波器设计，采用复数编码降低了变量的维度，并在设计IIR滤波器时不需要对变量范围进行约束，同时利用超出边界的解进行变异操作，以达到更加快速精确的收敛到全局最优解的目的。

：为了更好地提高并行差分进化算法的求解精度和计算效率，实现适用于解决多种优化问题的鲁棒性 算法，提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群，不同的子种群分别 采用不同的差分进化策略。多个子种群各自独立进化，互不干扰，每隔一定代数才进行种群间的通信交流。 通过利用多种群实现多种优化策略，并采用并行方式，使得算法可以采用不同的优化策略进行搜索，更加节省 计算时间。数值实验结果表明，该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。 关键词：多种群；多策略；并行；差分进化

差分进化算法(Differential Evolution, DE)是一种基于群体差异的启发式随机搜索算法，该算法是由R.Storn和K.Price为求解Chebyshev多项式而提出的。DE算法也属于智能优化算法，与前面的启发式算法，如ABC，PSO等类似，都属于启发式的优化算法。DE算法是我在一篇求解盒子覆盖问题论文中使用的一种优化算法。

Enhancing differential evolution with random neighbors based strategy (RNDE) 算法matlab代码