遗传算法与深度学习实战（15）——差分进化详解与实现
0. 前言
深度学习 (Deep learning, DL) 系统通常可以被简单的视为凸函数逼近器，函数逼近并不仅局限于 DL。进化计算 (Evolutionary Computation, EC) 包含了多种方法，不仅限于连续解，还可以解决不连续解。差分进化 (Differential Evolution, DE) 是一种专注于连续和不连续解的函数逼近方法，但该方法并不是基于微积分，而是依赖于减少优化解的差异。在本节中，我们将使用 DE 来逼近已知的连续多项式解，以及不连续和复杂函数。当我们需要将 DL 与 EC 结合解决问题时，DE 是一个行之有效的方法。