差分进化算法属于一种进化算法，以全局最优性、收敛速度快等特点，得到很多学者的关注，并将其扩展到参数优化、数值优化、工程优化、路径优化、机器学习等一系列研究中。

而差分进化算法的原理即过程又是什么呢？

一、什么是差分进化算法

差分进化算法的原理属于内部寻优机制，通过不断缩小搜索区域进而达到最优区域范围，使其种群不断靠近最优区域的邻域。如下图所示：

 通过上图，可知种群个体不断在搜索区域搜寻，随着搜寻次数的增加，搜索区域面积在逐渐减少。最后，种群个体都朝着最优区域前进，落在邻域内，这样一个过程就完成了差分进化算法的内部进化机制。

至于差分进化算法的原理，这里就不再过多阐述。接下来将阐述如何运用java的面向对象思维，编写程序！

二、差分进化算法需要实现的方法部分

对于差分进化算法，需要经过初始化种群、保存初始种群下的当前最优值、变异、交叉、选择、保存全局最优值，因此可以将其看作面向对象的方法，其中种群中的种群数、个体、变异因子、交叉因子看作是面向对象的属性。

所以，将种群数、个体、变异因子、交叉因子编写成成员变量如下：

	//初始化参数--以公共变量为主--所有方法都可以访问public int Np=10;  		//种群数量public int D=2;  		//个体维度---维数越高收敛度就会下降----多维函数建立public  double F=0.5;		 //变异因子public  double Cr=0.95;     // 交叉概率 ---在这里取1收敛速度快，为什么？public  double xmax=1;	 //基向量的最大值 ----根据函数的自变量建立每个区间的初始值（改进）public  double xmin=-1;    //基向量的最小值

将当前最优值、变异、交叉、选择、保存全局最优值看作成面向对象的方法：

// 初始化种群public void Init(){Random r=new Random();double d1 = r.nextDouble();for (int i=0;i<Np;i++)for(int j=0;j<D;j++)X[i][j]=xmin+(xmax-xmin)*d1;this.setX(X);}//保存当前最优值public void save_best(){X=this.getX();best=X[0];for(int i=1;i<Np;i++){if(cal_fitness(best)<cal_fitness(X[i]))best=X[i];}this.setBest(best);}//变异操作public void variated(){X=this.getX();Random r=new Random();for(int i=0;i<Np;i++){int r0=0,r1=0,r2=0;for(int j=0;j<D;j++){if(r2==i||r1==i||r0==i||r0==r1||r0==r2||r1==r2)  //做基变量的的互异问题r0=r.nextInt(Np);r1=r.nextInt(Np);r2=r.nextInt(Np);V[i][j]=X[r0][j]+(X[r1][j]-X[r2][j])*F;  //变异//防止越界;检查是否越界if(V[i][j]<xmin)     V[i][j]=xmin;if(V[i][j]>xmax)V[i][j]=xmax;}}this.setV(V);}//交叉操作public void cross(){X=this.getX();V=this.getV();Random r=new Random();for(int i=0;i<Np;i++){for(int j=0;j<D;j++){int jrand=r.nextInt(D);if(r.nextDouble()<Cr || j==jrand)U[i][j]=V[i][j];elseU[i][j]=X[i][j];}}this.setU(U);}// 选择操作public void select(){X=this.getX();U=this.getU();for(int i=0;i<Np;i++){if(cal_fitness(U[i])<cal_fitness(X[i]))X[i]=U[i];elseX[i]=X[i];}this.setX(X);}//全局最优值保存public void gobal_solve(){best=this.getBest();X=this.getX();for(int i=0;i<Np;i++){if(cal_fitness(X[i])<cal_fitness(best))best=X[i];}this.setBest(best);best_fitness=cal_fitness(best);System.out.println("最优解："+best[0]+", "+best[1]);System.out.println("最优值："+best_fitness);System.out.println("----------------------------");}

而其中不同的方法，需要进行相互调用，而创建的void方法需要对其返回值需要保存到提前开创的存储空间：

//创建储存种群的矩阵private double X[][]=new double[Np][D];  //存放初始个体以及子代个体private double V[][]=new double[Np][D];  // 存放变异个体private double U[][]=new double[Np][D];  //存放交叉个体private double best_fitness;private double best[]=new double[D];      // 保存最优个体/*复制个体及种群---其中的X,V,U,best_fitness,best属于私有的属性，不能独自获取，需要创建一个公有访问方法*/public double[][] getX(){return X;}public void setX(double[][] X){for(int i=0;i<Np;i++)for(int j=0;j<D;j++)this.X[i][j]=X[i][j];}public double[][] getV(){return V;	}public void setV(double[][] V){for(int i=0;i<Np;i++)for(int j=0;j<D;j++)this.V[i][j]=V[i][j];}public double[][] getU(){return U;}public void setU(double[][] U){for(int i=0;i<Np;i++)for(int j=0;j<D;j++)this.U[i][j]=U[i][j];}

然后开创好空间、创建方法、设置成员变量之后，创建函数：

	// 创建测试函数public double cal_fitness(double x[]){double y;y=x[0]*x[0]+x[1]*x[1]-2;return y;		}

函数可以根据自己的需求进行修改！

之后，创建主方法，调用各子方法，运行差分进化算法的整个过程：

	public static void main(String[] args){// 创建对象Tradition_DE g=new Tradition_DE();int iter=0;g.Init();while (iter<1000){//g.DE();g.variated();g.cross();g.select();g.gobal_solve();iter++;}}

三、运行结果

最优解：0.0, 0.0
最优值：-2.0
----------------------------
最优解：0.0, 0.0
最优值：-2.0
----------------------------

点击下方蓝色字体链接，获取源代码：

java编写传统差分进化算法