差分进化算法是由 Storn & Price 开发的一种优化算法。给定具有一组N参数的函数，该算法在定义的参数空间内创建一组NP 随机解，然后使用参数之间的变化来改变现有种群并找到更好的解。虽然这种优化方法可能很慢，但它可以避免陷入局部最小值，并且是一种易于实现和理解的简单算法。
微分进化也可以很容易地适应马尔可夫链蒙特卡罗方法。该包在 Go 编程语言中实现了差分进化和马尔可夫链蒙特卡洛差分进化。
更多详情、使用方法，请下载后阅读README.md文件
2022-06-22 12:03:25
9KB
用 Object Pascal 编写的差分进化库。通过使用差分进化 (DE)，可以通过尝试改进关于给定质量度量的候选解决方案来迭代优化问题。
2022-06-22 12:03:24
14KB
特征选择的二元差分进化
介绍
此工具箱提供二元差分进化 (BDE) 方法
该Main文件说明了 BDE 如何使用基准数据集解决特征选择问题的示例。
输入
feat ：特征向量（实例x特征）
label ：标签向量（实例x 1）
N : 解决方案的数量
max_Iter: 最大迭代次数
CR : 交叉率
更多详情、使用方法，请下载后阅读README.md文件
2022-06-22 12:03:23
62KB
该实现利用差分进化来分析三维空间中的通用机器人系统，其链接由Denavit-Hartenberg 参数描述。优化（适应度函数）考虑了从操纵器（最后一个链接的末端）到空间中目标点的欧几里得距离。
该实现足够通用，可以针对系统的任何功能进行优化。出于演示目的，唯一的可变参数是 θ。
下面给出了一个具有四个链接的机器人系统的示例。
https://github.com/gabrieljablonski/inverse-kinematics-differential-evolution/blob/master/resources/robotic_system.png
更多详情、使用方法，请下载后阅读README.md文件
2022-06-22 12:03:23
2MB
该测试集基于CEC2017的单目标测试集的pdf编写测试函数，其中经过多种方式的测试，满足原文档的条件，以及各种数据的提供完成，直接调用cec17_func.cpp文件即可调用每一个函数的测试。
2022-06-21 12:05:37
3.72MB
通过遗传算法 求解背包问题
python编写
含完整注释
绘制每一轮进化的最佳值和平均值
2022-06-20 14:06:58
4KB
效果展示：
https://user-images.githubusercontent.com/34769156/46087938-fd2ced00-c1c8-11e8-85fe-292bb6108554.gif
用法
要执行，请转到应用程序文件夹并运行 GA2.exe。该应用程序具有易于使用的 gui。
2022-06-20 14:05:32
73.67MB
算法
(μ/ρ(+/,)λ)-SA-ES (ES)
(μ/μ I ,λ)-CMA-ES (CMAES)
遗传算法（GA）
多目标：NSGA-II (NSGA2)
微分进化（DE）
遗传编程（TreeGP）
2022-06-18 19:04:51
222KB