用于学习和实验的差分进化（Differential Evolution）项目，要求 Python 3.11 或更高版本。 目前实现了基础 DE 和个体参数自适应的 jDE：共享 rand/1 变异、二项交叉、 与边界取中点的越界修复和贪心选择。 目标函数按最小化处理，每次接收一个一维 NumPy 数组，返回一个实数。
在项目根目录运行（以下激活命令适用于 Linux/macOS）：
python3 -m venv venv
source venv/bin/activate
python -m pip install -e ".[dev]"-e 表示可编辑安装，修改 src/ 中的代码后无需重新安装。
[dev] 同时安装 pytest 和 Ruff，供测试与代码检查使用。
只使用优化器时可运行 python -m pip install -e .，运行依赖只有 NumPy。
import numpy as np
from delab import DE
def sphere(x):
return float(np.sum(x**2))
optimizer = DE(
func=sphere,
bounds=[(-5, 5), (-5, 5)],
popsize=30,
max_nfev=5000,
seed=42,
F=0.5,
CR=0.9,
)
result = optimizer.run()
print(result.best_x, result.best_f, result.nfev)run() 返回最终的 GenerationInfo。若要观察每一代，可以改用
for info in optimizer.iterate(): ...；它也会产出初始化后的第 0 代。
每次重新运行实验应创建新的优化器实例，同一个实例只能启动一次运行。
src/delab/strategies.py 保存独立的变异函数，目前提供 rand_1(pop, F, rng)。
pop 是形状为 (n, dim) 的 NumPy 数值数组，F 是长度为 n 的数组，
rng 是随机数生成器。调用者需要保证 n >= 4；通过 DE/jDE 调用时，构造函数会检查。
该函数为每个个体从其他个体中不放回抽取三个索引，计算
pop[a] + F[i] * (pop[b] - pop[c])，返回新数组，不修改种群和参数。
随机数生成器的状态会推进；函数只负责变异，越界修复和交叉仍由优化器完成。
DE.mutate() 把实例中的种群、参数和随机数生成器交给 rand_1()。
jDE 继承这个方法，因此也使用同一份策略实现。策略可以直接导入，无需构造优化器：
from delab.strategies import rand_1from delab import JDE
optimizer = JDE(sphere, bounds=[(-5, 5), (-5, 5)], popsize=30, max_nfev=5000, seed=42)
result = optimizer.run()
print(result.best_f)
print(optimizer.F_i, optimizer.CR_i)这里的 sphere 沿用上面的目标函数。JDE 继承 DE，构造参数和验证规则相同，
其中 F、CR 指定每个个体的初始参数，默认分别为 0.5、0.9。
已保存的个体参数放在长度为 popsize 的 F_i、CR_i 数组里。
每代分别以 0.1 的概率为每个个体重新采样候选 F、CR，否则继承其已保存的值。
新的 F 均匀采样自 [0.1, 1.0)，新的 CR 均匀采样自 [0, 1)。
这些固定概率和采样范围采用 Brest 等人的 jDE 论文
中的设置，区间写法遵循 NumPy 随机采样不含上端点的约定。
generate_params() 在副本上生成候选参数，试验个体通过选择后，
adapt() 才把对应候选写回。两种优化器都采用严格改进规则：
trial_fitness < fitness 才替换个体；相等时保留原个体，jDE 也保留其原参数。
| 参数 | 要求 |
|---|---|
func |
可调用对象，返回有限实数；返回值的有限性由调用者保证 |
bounds |
非空的 (dim, 2) 数值数组或列表，边界有限且下界不大于上界；相等表示固定变量 |
popsize |
整数，基础 DE/rand/1 至少为 4，默认 50 |
max_nfev |
不小于 popsize 的正整数，默认 100000 |
F |
有限正实数，默认 0.5 |
CR |
[0, 1] 内的有限实数，默认 0.9 |
seed |
传给 numpy.random.default_rng 的随机种子，默认 None |
个数参数也接受 NumPy 整数，但不接受浮点数或布尔值；F 和 CR 也不接受布尔值。
构造参数不合法时立即报错：类型不匹配抛出 TypeError，取值不合法抛出 ValueError。
无法转换为数值边界数组的 bounds 抛出 ValueError。
初始化消耗 popsize 次评估，每代再消耗 popsize 次。
剩余预算不足一整代时停止，因此 nfev 可能小于 max_nfev。
直接调用 step() 或 evaluate() 仍会检查剩余预算，超出时抛出 ValueError。
step() 需要先通过 iterate() 初始化种群。
python -m pytest -q
python -m pytest --collect-only -q
python -m ruff check .
python -m ruff format --check .pytest 从 tests/ 收集测试。现有测试覆盖 Sphere 收敛、seed 可复现、越界修复、
评估点合法性、构造参数检查、评估预算、独立变异策略以及 jDE 的候选参数和成功保留规则。
只运行参数检查测试：
python -m pytest tests/test_validation.py -vpytest.mark.parametrize 用多组输入重复执行同一测试；
pytest.raises 验证代码是否抛出预期异常。
Ruff 检查常见代码错误和导入顺序；python -m ruff format . 自动统一格式。
pyproject.toml 中：
[build-system]指定 setuptools 构建后端及其构建依赖。[project]声明项目元数据和运行依赖。[project.optional-dependencies]声明可选的dev开发依赖。[tool.setuptools.packages.find]指定从src/发现 Python 包。[tool.pytest.ini_options]指定测试目录。[tool.ruff]和[tool.ruff.lint]配置格式和检查规则。
src/delab/__init__.py 显式定义包，并导出 DE、JDE、Optimizer 和 GenerationInfo。