讲述遗传算法的课件，生动形象

一种基于差分进化的Flash文件系统垃圾回收算法.pdf

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

为了改善差分灰狼预测算法的早熟收敛、搜索能力不均衡、容易陷入局部最优等问题,提出了一种改进的混合灰狼优化(HGWO)预测算法,可自适应改进和调整差分进化中的变异算子、交叉算子和变异策略。嵌入具有分类预测功能的支持向量机(SVM),同时引入莱维飞行全局搜索更新狼群位置,优化SVM核函数参数γ和惩罚因子C,构建了HGWO-SVM预测算法预测推焦车大车道内物体的运动轨迹。结果表明,与已有算法相比,该算法对行人、自行车、电瓶车、电动三轮车、大中小型四轮汽车的位置预测相对实际值的误差分别降低了4.21、4.14、7.91、2.03、25.53个百分点,预测时间减少了8.8~10 s。可以克服焦炉恶劣的环境影响,准确预测推焦车车道内运动对象的轨迹,为推焦车无人化运行提供主动安全的预测控制方法。

冠军算法L-SHADE的matlab版本，其中付一个测试函数，运行test文件即可，需要测试其他函数可以

基于改进差分进化的高精度粒子滤波算法

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()

针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法。该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。