差分进化（算法）：一种用于连续参数优化的群体智能/进化计算方法。它通过在种群中对个体向量做差分变异（用个体之间的差向量来生成“变异体”），再结合交叉与选择，逐步逼近全局最优或较优解。常用于工程设计、机器学习超参数搜索、函数最小化等。（该词也可泛指“差分的/微分的 + 进化”，但在计算领域最常见的是指这种优化算法。）
/ˌdɪfəˈrɛnʃəl ˌiːvəˈluːʃən/
Differential evolution can find good solutions without using gradients.
差分进化在不使用梯度信息的情况下也能找到较好的解。
We used differential evolution to tune the model’s parameters under strict constraints, because the objective function was noisy and non-linear.
由于目标函数含噪且非线性，我们在严格约束下使用差分进化来调节模型参数。
“Differential”源自拉丁语 differentia（差异），在该算法里指用“个体差值向量”来产生变异；“evolution”意为进化/演化，借用生物进化的思想描述通过迭代选择逐步改进。术语由研究者在提出算法时定名，强调其核心操作是“差分（差值）驱动的进化搜索”。
Select Language