Differential Evolution — Optimizador Estocástico Global
Differential Evolution (DE), introducido por Rainer Storn y Kenneth Price en 1997, es un algoritmo estocástico de optimización basado en población diseñado para espacios de parámetros continuos. Genera soluciones candidatas combinando diferencias vectoriales entre miembros existentes de la población, lo que lo convierte en una alternativa potente y con pocos parámetros a los Algoritmos Genéticos y la Optimización por Enjambre de Partículas cuando el paisaje de búsqueda no es convexo, es multimodal o no se adapta bien a métodos basados en gradientes.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Fuentes
- Storn, R. & Price, K. (1997). Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 11(4), 341–359. DOI: 10.1023/A:1008202821328 ↗
- Das, S., Mullick, S. S., & Suganthan, P. N. (2016). Recent advances in differential evolution – An updated survey. Swarm and Evolutionary Computation, 27, 1–30. DOI: 10.1016/j.swevo.2016.01.004 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/es/optimization/differential-evolution
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regresión bayesianaBayesiano↔ compare
- Aprendizaje por Refuerzo ProfundoAprendizaje profundo↔ compare
- Algoritmo GenéticoOptimización↔ compare
- Búsqueda de Arquitecturas NeuronalesAprendizaje profundo↔ compare
- Análisis de Componentes PrincipalesAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →