人工智人-家居设计-多模态优化的免疫克隆混合智能算法研究.pdf

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

来源：Tian M, Gao X, Yan X.Performance-driven adaptive differential evolution with neighborhood topology for numerical optimization[J].Knowlegde-Based Systems,2019,188:105008. 压缩包内容：CEC2014文件夹：主运行文件CEC2014D30RUN.m、CEC2014D50RUN.m、cec14_func.mexw64、input_data文件夹、NPADE.m、SingleFunctionTest.m 代码仅供参考。

TSP ( T raveling Sales man Prob lem) 旅行商问题是一类典型的 NP完全问题, 目前大多采 用遗传算法求解。差分进化算法 ( D i fferent i a l Evolution A lgorith m, DE ) 作为一种新型的进化算 法, 与遗传算法有很多相似之处。提出用改进的差分进化算法解决 TSP问题。采用基于整数序 规范的辅助算子解决变异问题, 并引入刘海交叉算子。实验结果表明该方法有效地提高了算法 的收敛速度与寻优质量, 表现出了良好的特性。

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-差分进化神经网络算法研究.pdf

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。

使用Rust的自适应差分进化进行简单而强大的全局优化 例子 差分进化是一种全局优化算法，它试图迭代地改进与用户定义的成本函数相关的候选解决方案。 此示例查找简单 5 维函数的最小值。 更多详情、使用方法，请下载后阅读README.md文件

这个包实现了最简单的差分进化版本，但增加了指定自定义“预测器”的能力，这允许将有关问题的知识合并到优化中。 例如，可以针对一组优化问题的示例训练标准机器学习方法，并且可以使用它们的预测来指导优化。 差异进化的关键思想是在不添加突变和交叉的情况下，通过以下方式将候选群体进化到最佳状态： 随机选择 3 个候选人a, b,c 比较成本a和a' = a + lambda * (c-b) a用a'if替换a'成本更低 预测器a不仅可以与一个或多个假设进行比较a'，还可以与一个或多个假设进行比较a'' = predict(a)。一次为整个人口计算预测，因此预测变量的签名实际上是predictor(currentgeneration, currentcosts)。 更多详情、使用方法，请下载后阅读README.md文件