序

现实中的优化问题越来越多样化和复杂化，传统的优化算法难以满足要求。进化计算（Evolutionary Computing，EC）是借用生物进化的规律，通过繁殖、竞争、再繁殖、再竞争，实现优胜劣汰，一步步逼近复杂工程技术问题的最优解。如何对进化计算进行优化并运用进化计算解决实际问题是当前研究的热点。

差分进化（Differential Evolution，DE）算法作为EC的一个分支领域，是一种采用随机任意搜寻并且运用浮点矢量编码的智能优化算法。DE是高效的启发式进化算法，鉴于其简易的原理，较少的控制参数，容易实现和理解，采用直接、并行、随机的寻优等特点，日渐获得研究者们的关注和青睐。近些年来，DE在每年举行的国际进化计算领域大会的各类比赛角逐中都获得了十分靠前的名次。作为一种兴起的优化算法，DE在求解优化问题方面表现出较大的潜力，并能够普遍应用到实际工程领域和科学探索研究之中。

本人从2008年读博期间开始学习差分进化算法，至今已经有十来年了，期间我和我的研究生们针对差分进化算法进行了较系统的研究，主要从单目标、多目标、约束优化及离散优化4个方面进行了算法的设计，并取得一些成果。以此为基础，本人于2012年和2015年先后获得国家自然科学基金项目的资助。这些成果对DE研究者有一定的学习和参考价值。2018年秋季萌生了将这十年来的研究成果结集出版的想法，算是对近十年来团队在该方面研究工作的一个总结。

本书涉及的改进工作由本人所在的团队完成。其中，第6～8章主要由艾兵完成，第3章、第5章和第9章主要由童旅杨完成，第10章主要由刘宝完成。其余章节均由董明刚和王宁负责，全书由董明刚、王宁统稿。参与本书编写的艾兵、童旅杨表现非常优秀，毕业时先后被录取为东南大学、武汉大学的博士研究生。

需要说明的是本书的各种算法均是在智能优化领域各位同行专家的工作之上或受他们工作启发改进而来的，在此对他们表示衷心的感谢！感谢我的研究生刘明、张伟、林唐林、曾慧斌及范培，他们承担了本书的文字整理工作。因时间匆忙，书中难免会出现差错，欢迎大家批评指正！

感谢工作单位桂林理工大学的领导及同事一直以来的关心、帮助与支持！感谢浙江大学工业控制技术国家重点实验室和桂林理工大学嵌入式技术与智能系统广西重点实验室提供的良好科研平台！

最后感谢国家自然科学基金项目（No.61563012、No.61203109）对本书研究工作和出版提供的经费资助！

谨以此书纪念我逝去的父亲！

董明刚
2019年3月于雁园