背景 进化优化算法是进化计算的一个子领域。他们的目标是在不使用任何梯度信息的情况下最小化/最大化函数（通常是因为没有可用的梯度）。它们具有通过繁殖、变异、评估和分类所谓的个体来探索搜索空间的共同属性。大多数进化算法旨在处理实值函数，但实际上它们通常用于处理更奇特的问题。例如，遗传算法可用于找到神经网络的最佳结构。 eaopt 提供各种进化优化算法的实现。在实现方面，这个想法是大多数（如果不是全部）所述算法可以写成遗传算法的特殊情况。实际上，这是通过使用遗传算法的通用定义，允许随意修改突变、交叉、选择和替换过程来实现的。该GA结构因此是 eaopt 最灵活的结构，其他算法都写在它之上。如果您没有找到任何适合您需要的算法，那么您可以轻松编写自己的运算符（如大多数示例中所做的那样）。 特征 使用一致的 API 可以使用不同的进化算法 您几乎可以使用GAstruct做任何事情 提供物种形成和迁移程序 常见的遗传算子（突变、交叉、选择、迁移、物种形成）已经实施 如果您的功能成本高昂，则可以并行进行功能评估

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

各种遗传算法小生境技术简介.doc

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

：为了保持所求得的约束多目标优化问题Pareto最优解的适应度与多样性，在NSGA-II基础上提出了一种 用于求解有约束的多目标优化问题的热力学遗传算法。结合热力学中自由能与熵的概念，利用热力学中熵与能 量的竞争来保持种群的适应度与多样性的平衡，设计了热力学算子。根据非支配排序Pareto分层结构建立分层 小生境来改进选择算子，弥补了选择算子不足。实验结果表明：该算法不仅得到的解在空间分布均匀，收敛性 好，同时解集具有较广的分布空间。

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！

这是用C++实现的差分进化算法。可供大家参考

此方法在解决一般单目标优化问题的效果不错 该算法是基于文献--JADE: Adaptive Differential Evolution with Optional External Archive 想更加仔细了解则去下载这篇文章了解！ 使用步骤： 1.在运行主程序JADE_RunTest.m 2.在命令窗口依次输入每个测试函数地区间范围和维度，具体地维度参考上述这篇文章 3. 其中 Input the upper bound:-----测试函数地决策空间x的上界 Input the lower bound:--------测试函数地决策空间x的下届 Input the Gen:----------------迭代次数 Input the type of TestFuntion:------------测试函数类型，在测试函数中总共写了13种测试函数，type==1则是第一种，对应的是算法JADE中对应测试集的第一种，依次输入3则是第三种...... 注：在命令窗口输入上界的值后回车，直到全部输完！建议下载JADE这篇文章，不然不知道测试集的维度和决策空间范围