在差分进化算法中交叉的重要性是什么？
pup*_*yxo 5 optimization differential-evolution
在差分进化算法中用于优化问题。涉及三个进化过程，即突变穿越和选择
我只是一个初学者，但是我尝试过删除交叉过程，并且原始算法没有明显的不同结果。
那么在差分进化算法中交叉的重要性是什么？
如果您不使用交叉，则您的算法可能只是探索问题搜索空间而不利用它。一般来说，如果进化算法能够在探索率和开发率之间取得良好的平衡，那么它就会成功。
\n例如DE/rand/1/Either-Or，DE 的一个变体消除了交叉算子，但使用了有效的变异算子。根据《差异进化：最新技术的调查》，在该算法中，纯突变体的试验载体以概率 出现pF，纯重组体的试验载体以概率 出现1 \xe2\x88\x92 pF。该变体被证明可以产生与经典 DE 变体 rand/1/bin 和 target-to-best/1/bin 竞争的结果（主要参考）。
\n
X(i,G)是 G 代的第 i 个目标（父）向量，U(i,G)是其对应的试验向量，F是差异向量比例因子， 是k = 0.5*(F + 1)[in the original paper]。
\n在此方案中未使用交叉，但变异足以与原始 DE 算法进行比较。