差分进化（Differential Evolution，DE）

1. 引言
   在进化计算中，差分进化（DE）是一种通过迭代地尝试改进关于给定质量度量的候选解决方案来优化问题的方法。这种方法通常被称为metaheuristics，因为它们对被优化的问题做出很少的假设或者没有做任何假设，并且可以搜索候选解决方案的非常大的空间。然而，像DE这样的metaheuristics并不能保证找到最佳的解决方案。
   DE用于多维实值函数，但不使用被优化问题的梯度，这意味着DE并不要求优化问题是可微分的，正如经典优化方法（如梯度下降和拟牛顿方法）所要求的那样。DE因此也可以用于连续性不好，噪音大，时间变化等优化问题。
2. 历史
   差分进化算法是由Ken Price试图解决Rainer Storn给他提出的Chebychev多项式拟合问题的。Ken发明了使用矢量差异来扰动矢量群体的想法时，发生了一个突破。由于这个开创性的想法，Ken和Rainer之间的热烈讨论以及对这两个部分的无休止的思考和计算机模拟产生了许多实质性的改进，使得DE成为今天的多功能和强大的工具。Ken和Rainer强烈希望DE能够被世界各地的科学家进一步发展，并且DE可以改进以帮助更多的用户进行日常工作。这是DE至今没有申请任何专利的原因。