经典差分进化算法 (CDE)

class pypop7.optimizers.de.cde.CDE(problem, options)

经典差分进化（CDE）。

注意

通常，DE/rand/1/bin被视为DE的经典/基础版本。 CDE通常在相对低维（例如，<< 1000）的搜索空间上进行优化。 其两位创始人（Kenneth Price&Rainer Storn）获得了2017年IEEE-CIS颁发的进化计算先锋奖。

Parameters:

• 问题 (字典) –

  具有以下常见设置的问题参数 (键):

  • ’fitness_function’ - 需要最小化的目标/成本函数 (函数),

  • ’ndim_problem’ - 维度数 (整数),

  • ’upper_boundary’ - 搜索范围的上限 (数组类),

  • ’lower_boundary’ - 搜索范围的下限 (数组类).

• options (dict) –

  具有以下常见设置的优化器选项 (keys):

  • ’max_function_evaluations’ - 函数评估的最大次数 (int, 默认: np.inf),

  • ’max_runtime’ - 允许的最大运行时间 (float, 默认: np.inf),

  • ’seed_rng’ - 随机数生成的种子，需要 显式设置 (int);

  以及以下特定设置 (keys):

  • ’n_individuals’ - 后代数量，即后代种群大小 (int, 默认: 100),

  • ’f’ - 变异因子 (float, 默认: 0.5),

  • ’cr’ - 交叉概率 (float, 默认: 0.9).

示例

使用优化器 CDE 来最小化著名的测试函数 Rosenbrock:

>>> import numpy
>>> from pypop7.benchmarks.base_functions import rosenbrock  # function to be minimized
>>> from pypop7.optimizers.de.cde import CDE
>>> problem = {'fitness_function': rosenbrock,  # define problem arguments
...            'ndim_problem': 2,
...            'lower_boundary': -5.0*numpy.ones((2,)),
...            'upper_boundary': 5.0*numpy.ones((2,))}
>>> options = {'max_function_evaluations': 5000,  # set optimizer options
...            'seed_rng': 0}
>>> cde = CDE(problem, options)  # initialize the optimizer class
>>> results = cde.optimize()  # run the optimization process
>>> # return the number of function evaluations and best-so-far fitness
>>> print(f"CDE: {results['n_function_evaluations']}, {results['best_so_far_y']}")
CDE: 5000, 2.0242437417701847e-07

关于Python代码的正确性检查，请参阅此基于代码的可重复性报告以获取更多详细信息。

cr

交叉概率。

Type:

float

f

变异因子。

Type:

float

n_individuals

后代数量，也称为后代种群大小。

Type:

int

参考文献

Price, K.V., 2013. Differential evolution. 在《优化手册》中（第187-214页）。Springer出版社。

Price, K.V., Storn, R.M. 和 Lampinen, J.A., 2005. 差分进化：一种实用的全局优化方法。 Springer Science & Business Media.

Storn, R.M. 和 Price, K.V. 1997年。 差分进化 – 一种简单且高效的全局优化启发式方法，适用于连续空间。 《全局优化杂志》，11(4)，第341–359页。 (Kenneth Price和Rainer Storn赢得了2017年IEEE CIS的进化计算先驱奖。)