CHƯƠNG 3: THUẬT TOÁN DIFFERENTIAL EVOLUTION
3.1 Giới thiệu
Thuật toán tiến hóa là phương pháp tối ưu để giải quyết các vấn đề bằng cách sử dụng các tiến trình tiến hóa đơn giản. Thuật toán này dựa trên cơ chế tiến hóa, cải thiện tính tương thích của một quần thể cá biệt qua các quá trình chọn lọc tự nhiên như lai ghép và đột biến. Những cá thể nào tốt hơn sẽ được bổ sung vô trong quần thể ở thế hệ kế tiếp. Sau nhiều thế hệ, những cá thể này sẽ dần hoàn thiện tới mức tối ưu.
Lĩnh vực tính toán tiến hóa đã phát hiện ra tầm phát triển quan trọng trong phạm vi tối ưu nhờ vào các tiến bộ trong tính toán ngày nay. Những thuật toán này có thể giải quyết các vấn đề tối ưu phức tạp như tính không liên tục, không lồi, không tuyến tính cao. Hơn nữa, chúng có thể giải quyết các vấn đề riêng rẽ hoặc các biến nhị phân khó.
Một vài thuật toán tốt nhất đã được phát triển trong lĩnh vực tính toán tiến hóa là Genetic Algorithms (GA), Evolutionary Programming (EP) và Evolution Strategies (ES). Các thuật toán này đã được trình bày lần đầu vào năm 1960 thì việc tính toán tiến hóa bắt đầu được chú ý đến. Gần đây, những thành tựu đạt được từ các thuật toán tiến hóa trong việc giải quyết các vấn đề phức tạp và nâng cao trong tính toán đã khơi dậy sự phát triển của các giải thuật mới như Differential Evolution, Particle Swarm Optimization, Ant Colony Search và Scatter Search được thể hiện qua các đặc điểm hội tụ cao và khả năng đem lại tối ưu hóa toàn diện. Các thuật toán tiến hóa đã được áp dụng thành công cho nhiều vấn đề tối ưu trong các hệ thống năng lượng và điều phối kinh tế chuyên biệt.