骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法（MGBDE）没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题，提出一种改进算法。该算法引入变异策略选择因子，并借鉴自适应差分进化算法的设计思想，将选择因子随个体共同参与进化，使个体执行当前最为适合的变异策略，克服原始算法进化过程的盲目性，同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点；该算法加入停滞扰动策略，降低陷入局部最优的风险。采用18个标准测试函数进行实验，结果表明，新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法。

cocos2dx 3.2的游戏源码，自己模仿游戏写的代码，效果和原版基本一致，希望大家喜欢

DDEA-SE 使用选择性代理集合的离线数据驱动的进化优化 王递，金耀初，孙超丽，约翰·多尔蒂，使用选择性代理集成的脱机数据驱动的进化优化，关于进化计算的IEEE事务，已被接受。

针对求解资源受限项目调度问题（RCPSP），提出了基于差分进化（DE）的混合粒子群算法（PSODE）。通过在PSO种群和DE种群之间建立一种信息交流机制，使信息能够在两个种群中传递，以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验，结果表明PSODE算法可以较好地解决RCPS问题。

咖啡店 软件基因˚F爱米莉Ë旋涡的Çomputational一nalysis CAFE的目的是通过解释系统进化史并为进化推论提供统计基础的方式来分析基因家族大小的变化。 该程序使用生与死过程来模拟用户指定的系统发育树中的基因得失。 在此模型下生成的家庭规模分布可为评估观察到的分类单元之间家庭规模差异的重要性提供基础。 到 CAFE v4.2.1是CAFE应用程序常规发行版中的最新版本。 该手册和各种教程可以在网站（ ）上查看。 本文档介绍了如何下载和使用CAFE v4.2.1。 用 CAFE v4.2.1的必要输入是： 一个数据文件，包含系统发育树中包含的分类单元的基因家族大小 Newick格式的系统发育树，包括分支长度 根据以上输入，CAFE v4.2.1将计算： 整个树上或树中用户指定的分支子集上的生死参数λ的最大似然值λ（或单独的生死参数（分别为λ和μ）） 系统发育树中

以双馈型风电机组为研究对象，建立以风电无功功率、并联电容器投运组数为优化变量，以电压稳定性最好、电压偏差最小和有功网损最小为目标的无功优化模型。在对差分进化方法进行改进的基础上，研究基于改进差分进化法的含双馈型风电场的配电网无功优化算法。在IEEE 33节点系统中进行算例测试，结果验证了无功优化算法的有效性，合理调度双馈风力发电机有利于配电网的运行优化与电能质量的改善。

matlab实现差分进化算法(DE)，可以正常运行，请放心食用哦。

提出一种定向多尺度变异克隆选择优化算法. 为了实现抗体间信息共享, 算法利用定向进化机制引导抗体向着抗体群最优解区域逼近. 采用多尺度高斯变异机制, 在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位. 随着适应值的提升, 小尺度变异会随之减低, 使得算法在进化后期通过小尺度变异完成局部精确解的搜索. 将算法应用到5 个经典函数优化问题, 结果表明, 该算法不仅具有更快的收敛速度, 而且全局解搜索能力和稳定性均有显著提高.

在 MATLAB 中编码的进化中心算法 (ECA)

针对多模态优化问题, 提出一种动态小生境半径两阶段多模态差分进化算法. 基于构象空间退火思想, 设计一种两阶段退火策略来动态调整小生境半径, 并根据退火过程将整个优化过程分为两个阶段. 在第1 阶段, 通过差分限制变异策略生成高质量的新个体来维持种群的多样性, 促进多模收敛; 在第2 阶段, 利用种子邻近变异策略对已探测到的生境高度搜索, 加快算法的收敛速度. 实验结果表明, 所提出算法能够有效实现从全局探测到局部增强的自适应平滑过渡, 是一种有效的多模态优化算法.