MPEDE算法，使用CEC2005进行测试，完全参照文献【Differential evolution with multi-population based ensemble of mutation strategies】，测试结果也与文献结果一致，注释详细，适合初入优化计算的新手学习

差分算法的伪代码，初学者很好的材料，讲解详细，适合初学者和老手留着不时翻看，浅显易懂，又可以按其思路编程

人工智能-差分进化算法优化BP神经网络的能源需求预测研究.pdf

用法 主要代码在differentialEvolution.m文件中可用。有一些选项可以在de.m文件中指定各种参数。 要运行程序，请使用： > de 使用的默认目标函数是objective_func。自定义目标函数可以在de.m下面指定options.fitness_func。

差分进化算法的Scala实现_Scala_代码_下载

差分进化算法（DE）是一种多目标（连续变量）优化算法（MOEAs），用于求解多维空间中整体最优解。代码里面包含了20几种基准测试函数，用来测试算法的性能。 差分进化算法来源于早期提出的遗传算法（Genetic Algorithm，GA）。而差分进化算法引入了利用当前群体中个体差异来构造变异个体的差分变异模式，是其独特的进化方式。

差分进化算法求解平方和函数最小值，VS2013编程，C++语言

很实用的差分进化算法程序,对初学者很有参考价值

针对三维人脸识别的高复杂度和二维人脸识别无法提供粒状线索的问题，提出一种全自动3D人脸表情识别算法，该算法主要是提供比2D人脸识别更多的线索，同时降低计算复杂度。通过保角映射将3D人脸转换到2D平面，保留了面部变化的线索，提出了基于优化算法的差分进化（DE）算法用于提高识别效率，同时提取最优人脸特征集和分类器参数，加速鲁棒特征池描述了所有预期的人脸特征点。在博斯普鲁斯、FRGC v2及笔者搜集的人脸数据集上的实验结果表明，算法解决了三维人脸识别的高计算复杂度和二维人脸识别的线索低的问题，并在不降低识别性能

差分进化算法的C语言实现，有大量的注释，简单易懂！ 差分进化算法的C语言实现，有大量的注释，简单易懂！ 差分进化算法的C语言实现，有大量的注释，简单易懂！ 差分进化算法的C语言实现，有大量的注释，简单易懂！