序

現實中的優化問題越來越多樣化和復雜化，傳統的優化算法難以滿足要求。進化計算（Evolutionary Computing，EC）是借用生物進化的規律，通過繁殖、競爭、再繁殖、再競爭，實現優勝劣汰，一步步逼近復雜工程技術問題的最優解。如何對進化計算進行優化并運用進化計算解決實際問題是當前研究的熱點。

差分進化（Differential Evolution，DE）算法作為EC的一個分支領域，是一種采用隨機任意搜尋并且運用浮點矢量編碼的智能優化算法。DE是高效的啟發式進化算法，鑒于其簡易的原理，較少的控制參數，容易實現和理解，采用直接、并行、隨機的尋優等特點，日漸獲得研究者們的關注和青睞。近些年來，DE在每年舉行的國際進化計算領域大會的各類比賽角逐中都獲得了十分靠前的名次。作為一種興起的優化算法，DE在求解優化問題方面表現出較大的潛力，并能夠普遍應用到實際工程領域和科學探索研究之中。

本人從2008年讀博期間開始學習差分進化算法，至今已經有十來年了，期間我和我的研究生們針對差分進化算法進行了較系統的研究，主要從單目標、多目標、約束優化及離散優化4個方面進行了算法的設計，并取得一些成果。以此為基礎，本人于2012年和2015年先后獲得國家自然科學基金項目的資助。這些成果對DE研究者有一定的學習和參考價值。2018年秋季萌生了將這十年來的研究成果結集出版的想法，算是對近十年來團隊在該方面研究工作的一個總結。

本書涉及的改進工作由本人所在的團隊完成。其中，第6～8章主要由艾兵完成，第3章、第5章和第9章主要由童旅楊完成，第10章主要由劉寶完成。其余章節均由董明剛和王寧負責，全書由董明剛、王寧統稿。參與本書編寫的艾兵、童旅楊表現非常優秀，畢業時先后被錄取為東南大學、武漢大學的博士研究生。

需要說明的是本書的各種算法均是在智能優化領域各位同行專家的工作之上或受他們工作啟發改進而來的，在此對他們表示衷心的感謝！感謝我的研究生劉明、張偉、林唐林、曾慧斌及范培，他們承擔了本書的文字整理工作。因時間匆忙，書中難免會出現差錯，歡迎大家批評指正！

感謝工作單位桂林理工大學的領導及同事一直以來的關心、幫助與支持！感謝浙江大學工業控制技術國家重點實驗室和桂林理工大學嵌入式技術與智能系統廣西重點實驗室提供的良好科研平臺！

最后感謝國家自然科學基金項目（No.61563012、No.61203109）對本書研究工作和出版提供的經費資助！

謹以此書紀念我逝去的父親！

董明剛
2019年3月于雁園