第3章　差分進(jìn)化算法

3.1　引言

在遺傳、選擇和變異的作用下，自然界生物體優(yōu)勝劣汰，不斷由低級(jí)向高級(jí)進(jìn)化和發(fā)展。人們注意到，適者生存的進(jìn)化規(guī)律可以模式化，從而構(gòu)成一些優(yōu)化算法；近年來發(fā)展的進(jìn)化計(jì)算類算法受到了廣泛的關(guān)注。

差分進(jìn)化（Differential Evolution，DE）算法是由Storn等人于1995年提出的，其最初的設(shè)想是用于解決切比雪夫多項(xiàng)式問題，后來發(fā)現(xiàn)它也是解決復(fù)雜優(yōu)化問題的有效技術(shù)。

差分進(jìn)化算法是一種新興的進(jìn)化計(jì)算技術(shù)［1］，它基于群體智能理論，是通過群體內(nèi)個(gè)體間的合作與競(jìng)爭(zhēng)而產(chǎn)生的智能優(yōu)化搜索算法。但相比于進(jìn)化計(jì)算，它保留了基于種群的全局搜索策略，采用實(shí)數(shù)編碼、基于差分的簡(jiǎn)單變異操作和“一對(duì)一”的競(jìng)爭(zhēng)生存策略，降低了進(jìn)化計(jì)算操作的復(fù)雜性。同時(shí)，差分進(jìn)化算法特有的記憶能力使其可以動(dòng)態(tài)跟蹤當(dāng)前的搜索情況，以調(diào)整其搜索策略，它具有較強(qiáng)的全局收斂能力和魯棒性（也稱穩(wěn)健性），且不需要借助問題的特征信息，適用于求解一些利用常規(guī)的數(shù)學(xué)規(guī)劃方法很難求解甚至無法求解的復(fù)雜優(yōu)化問題［2-5］。因此，差分進(jìn)化算法作為一種高效的并行搜索算法，對(duì)其進(jìn)行理論和應(yīng)用研究具有重要的學(xué)術(shù)意義和工程價(jià)值。

目前，差分進(jìn)化算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用，如人工神經(jīng)元網(wǎng)絡(luò)、電力、機(jī)械設(shè)計(jì)、機(jī)器人、信號(hào)處理、生物信息、經(jīng)濟(jì)學(xué)、現(xiàn)代農(nóng)業(yè)和運(yùn)籌學(xué)等。然而，盡管差分進(jìn)化算法獲得了廣泛研究，但相對(duì)于其他進(jìn)化算法而言，其研究成果相當(dāng)分散，缺乏系統(tǒng)性，尤其在理論方面還沒有重大突破。