研究生期间自写的Matlab代码，用差分进化算法求解静态作业车间调度问题，资源中分为算法、编解码、画甘特图三个文件。代码中写了部分注释，方便学习交流。

差分进化算法是一类当前较有实力的实参随机优化算法,已成功解决很多实际问题.由于算法结构简单易于执行,控制参数少且有较强的搜索能力,差分进化算法吸引了众多进化算法学者的关注.本文概述了差分进化算法的基本概念,综述了差分进化算法的主要变体,讨论它们的优缺点,并指出下一步的改进方向.

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

差分进化算法(DE) Solution to Optimal Power flow by Differential Evolution

差分进化算法解决特征选择问题，差分进化算法解决特征选择问题，Differential evolution algorithm to solve the problem of feature selection,Differential evolution algorithm to solve the problem of feature selection,

讲述遗传算法的课件，生动形象

差分进化算法（differential-evolution）的MATLAB实现代码 差分进化算法 MATLAB实现代码 优化搜索算法

标准的差分进化算法matlab代码，需要测试函数运行，注释清除

针对油田区域配电网负荷大、无功严重不足、电力损耗大的特点,提出了一种适用于油田区域电网的无功优化方法。该方法建立了综合考虑系统的经济性和安全性并使其互为约束的无功优化数学模型,并采用在电力系统无功优化领域应用较少的差分进化算法对模型进行求解。该方法具有优化结果与初始值的选取无关、需要控制量少和容易找到全局最优解的优点,实例分析和不同优化算法对比结果表明了所提出的区域配电网无功优化方法的可行性和有效性。

#运用python实现差分进化算法计算函数最大值 import random import math import numpy as np import random cr = 0.6 Population = np.random.rand(100,2) cycle = 500 hig , low = math.pi , 0 def eval(x): y = 2*math.sin(x[0])+math.cos(x[1]) return y def main(): for t in range(cycle):#确定迭代次数 for i in range(len(Population)):#遍历种群中每一个个体 loc = np.random.randint(0,100,3)#生成三个随机整数，用于公式中随机选取三个点 new = Population[loc[0]] + 0.3*(Population[loc[1]]-Population[loc[2]])#老师给的公式 if random.random() eval(Population[i]):#优胜劣汰 Population[i] = new for j in range(len(Population[i])):#设置函数取值范围 if Population[i][j] hig: Population[i][j] = hig def result(): main() y_best = [] for i in range(len(Population)): y_best.append(eval(Population[i])) print("函数在x为",Population[y_best.index(max(y_best))],"时取得最大值") print("此时函数结果为：",max(y_best)) result()