基于维度改进的差分进化算法论文：提升高维与大规模优化问题性能

以下是一些基于维度改进的差分进化算法的论文：

'A dimensionality reduction approach to differential evolution for large-scale optimization problems' by S. Das, A. Konar, and U. K. Chakraborty. 这篇论文提出了一种基于维度缩减的差分进化算法，用于解决大规模优化问题。该方法通过减少问题的维度来提高算法的效率和收敛性能。
'Differential evolution with self-adaptive control parameters for high-dimensional optimization problems' by H. Huang, J. P. Li, and D. Simon. 这篇论文介绍了一种基于自适应控制参数的差分进化算法，用于解决高维优化问题。该方法通过自适应地调整控制参数来提高算法的性能。
'A novel differential evolution algorithm with dimensionality reduction for large-scale optimization problems' by Y. Liu, Y. Gao, and Z. Cai. 这篇论文提出了一种基于维度缩减的差分进化算法，用于解决大规模优化问题。该方法通过将问题的维度缩减到一个较小的子空间中来提高算法的效率和收敛性能。
'A dimensionality reduction-based differential evolution algorithm for high-dimensional optimization problems' by Y. Zhang, H. Wang, and Z. Cai. 这篇论文介绍了一种基于维度缩减的差分进化算法，用于解决高维优化问题。该方法通过将问题的维度缩减到一个较小的子空间中来提高算法的性能。

这些论文都提出了一些创新的思路和方法，通过维度缩减或自适应控制参数等方式改进了差分进化算法在高维或大规模优化问题上的表现。