种多处理、高度可配置的C ++ 差分进化优化算法实现

C++ 差分进化 基本概念 介绍 微分进化 (DE) 是由 Kenneth Price 和 Rainer Storn 在 1990 年代开发的基于种群的随机函数优化器算法。有关 DE 的详细信息，请参阅 DE 主页 ( http://www.icsi.berkeley.edu/~storn/code.html )上列出的众多在线或印刷资源中的任何一个 引用专用于 DE 的 Wikipedia 页面（http://en.wikipedia.org/wiki/Differential_evolution）： 在计算机科学中，差分进化 (DE) 是一种通过迭代尝试改进关于给定质量度量的候选解决方案来优化问题的方法。这种方法通常被称为元启发式，因为它们对正在优化的问题做出很少或没有假设，并且可以搜索非常大的候选解决方案空间。然而，诸如 DE 之类的元启发式算法并不能保证找到最佳解决方案。 DE 用于多维实值函数，但不使用被优化问题的梯度，这意味着 DE 不需要像梯度下降和准牛顿方法等经典优化方法所要求的优化问题是可微的. 因此，DE 也可以用于甚至不连续、嘈杂、随时间变化等的优化问题。