基础-差分进化算法

全局优化、启发式搜索

同等条件下DE的收敛速度、精度能比遗传算法、粒子群算法好。

可以做什么？搜索极值、搜索超参数、NAS、搜索网络权重。

step1：初始化种群

size,种群大小，越大，搜索到更优解的可能性更高
dimension，个体（解）维度
（min，max）解的搜索区间

step2：变异个体

变异， n = a + F*（ b-c）
F，缩放因子，F越大，越不易陷入局部极值；F越小，有利于收敛到局部极值。
得到size个变异个体。

step3：交叉

原size个种群，与size个变异种群进行交叉重组，（eg，原 n=（-0.7，0.7），变异 n= （0.9，-0.6），则-0.7有CR概率变成0.9，0.7有CR概率变成-0.6），得到新变异种群。代码中常随机固定某维数值不发生替换，防止“无效交叉”。

step4：选择

由目标函数值（适应度函数）选出更优的作为下一次迭代的原始种群。