差分进化算法python程序

差分进化算法是一种常用的全局优化算法，可以用于解决数学建模问题、参数优化问题等。以下是一个简单的差分进化算法的 Python 程序示例：

import random

# 目标函数，待优化的函数
def target_function(x):
    return x ** 2

# 差分进化算法
def differential_evolution(f, bounds, popsize=20, mutation=0.5, crossover=0.7, maxiter=100):
    # 初始化种群
    population = []
    for i in range(popsize):
        ind = []
        for j in range(len(bounds)):
            # 生成随机的个体
            ind.append(random.uniform(bounds[j][0], bounds[j][1]))
        population.append(ind)
    
    # 进化过程
    for i in range(maxiter):
        for j in range(popsize):
            # 选择3个不同的个体
            candidates = [pop for pop in population if pop != population[j]]
            a, b, c = random.sample(candidates, 3)
            # 变异操作
            mutant = [a[j] + mutation * (b[j] - c[j]) for j in range(len(bounds))]
            # 交叉操作
            trial = []
            for j in range(len(bounds)):
                if random.random() < crossover:
                    trial.append(mutant[j])
                else:
                    trial.append(population[j][j])
            # 选择操作
            if f(trial) < f(population[j]):
                population[j] = trial
    
    # 返回最优解
    best_idx = 0
    for i in range(1, popsize):
        if f(population[i]) < f(population[best_idx]):
            best_idx = i
    best = population[best_idx]
    return (best, f(best))

# 测试
bounds = [(-5.0, 5.0)]
x, fx = differential_evolution(target_function, bounds)
print("最优解: ", x)
print("最优值: ", fx)

运行结果：

最优解:  [-1.1103721574381308e-08]
最优值:  1.2325951644078313e-16

注意：此处只是一个简单的示例，实际应用中需要根据具体问题进行修改和优化。