差分进化算法matlab代码

差分进化算法是一种常用的全局优化算法，以下是在Matlab中实现差分进化算法的代码示例：

function [bestSol, bestFitness] = DE(fobj, lb, ub, dim, popSize, maxIter, F, CR)
% fobj: 目标函数句柄
% lb: 参数下界
% ub: 参数上界
% dim: 参数维度
% popSize: 种群大小
% maxIter: 最大迭代次数
% F: 缩放因子
% CR: 交叉概率

    % 初始化种群
    pop = repmat(lb, popSize, 1) + rand(popSize, dim) .* repmat(ub-lb, popSize, 1);
    
    % 计算初始适应度
    fitness = feval(fobj, pop);
    
    % 保存最佳解和适应度
    [bestFitness, idx] = min(fitness);
    bestSol = pop(idx, :);
    
    % 迭代
    for i = 1:maxIter
        % 生成变异种群
        mutantPop = repmat(bestSol, popSize, 1) + F .* (pop(randperm(popSize, popSize), :) - pop(randperm(popSize, popSize), :));
        
        % 修正越界参数
        mutantPop(mutantPop < lb) = lb(mutantPop < lb);
        mutantPop(mutantPop > ub) = ub(mutantPop > ub);
        
        % 交叉操作
        mask = rand(popSize, dim) < CR;
        trialPop = pop;
        trialPop(mask) = mutantPop(mask);
        
        % 评估适应度
        trialFitness = feval(fobj, trialPop);
        
        % 更新最佳解
        [minTrialFitness, idx] = min(trialFitness);
        if minTrialFitness < bestFitness
            bestFitness = minTrialFitness;
            bestSol = trialPop(idx, :);
        end
        
        % 更新种群
        mask = trialFitness < fitness;
        pop(mask, :) = trialPop(mask, :);
        fitness(mask) = trialFitness(mask);
    end
end

其中，fobj为目标函数句柄，lb和ub分别为参数下界和上界，dim为参数维度，popSize为种群大小，maxIter为最大迭代次数，F为缩放因子，CR为交叉概率。