Évolution Différentielle — Optimiseur Stochastique Global
L'Évolution Différentielle (ED), introduite par Rainer Storn et Kenneth Price en 1997, est un algorithme d'optimisation stochastique basé sur une population, conçu pour les espaces de paramètres continus. Elle génère des solutions candidates en combinant les différences vectorielles entre les membres existants de la population, ce qui en fait une alternative puissante et peu paramétrée aux Algorithmes Génétiques et à l'Optimisation par Essaim Particulaire lorsque le paysage de recherche est non convexe, multimodal, ou mal adapté aux méthodes basées sur le gradient.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/fr/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.
- Régression bayésienneBayésien↔ compare
- Apprentissage par renforcement profondApprentissage profond↔ compare
- Algorithme génétiqueOptimisation↔ compare
- Recherche d'architecture neuronaleApprentissage profond↔ compare
- Analyse en composantes principalesApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →