差分进化算法matlab代码

差分进化算法（Differential Evolution, DE）是一种基于群体智能的优化算法，常用于求解复杂的非线性优化问题。以下是一份简单的差分进化算法的Matlab代码：

function [bestSol, bestFit] = DE(fun, lb, ub, np, maxIter, F, CR)
% fun: 目标函数
% lb: 参数下界
% ub: 参数上界
% np: 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 = lb + (ub-lb).*rand(np, numel(lb));
fit = feval(fun, pop);

for i = 1:maxIter
    % 变异操作
    idx = randperm(np);
    pbest = pop(idx(1:3), :);
    v = pbest(1,:) + F.*(pbest(2,:) - pbest(3,:));
    v = min(max(v, lb), ub);
    
    % 交叉操作
    cr = rand(np, numel(lb)) < CR;
    ui = cr.*v + (~cr).*pop;
    
    % 选择操作
    fitui = feval(fun, ui);
    sel = fitui < fit;
    pop(sel, :) = ui(sel, :);
    fit(sel) = fitui(sel);
    
    % 记录最优解
    [~, idx] = min(fit);
    bestSol = pop(idx, :);
    bestFit = fit(idx);
    
    fprintf('Iteration %d: Best fitness = %f\n', i, bestFit);
end

其中，fun是目标函数的句柄，lb和ub是参数的上下界，np是种群大小，maxIter是最大迭代次数，F是缩放因子，CR是交叉概率。算法首先随机初始化一个种群，然后进行迭代，每次迭代都进行变异、交叉和选择操作，直到达到最大迭代次数或者达到停止条件。在每次迭代中，记录最优解和最优适应度，并输出当前迭代的最优解。