差分进化算法的变体之一——JADE算法

对于DE算法而言，随着迭代次数的增长，个体间的差别会逐渐下降，收敛速度也会随之降低，这会使得DE算法容易陷入局部最优和早熟收敛。因此不少研究者在原始经典的DE算法上寻求各类改进来提升DE算法的寻优能力、收敛速度、克服早熟收敛等。算法 DE算法主要涉及种群规模NP、缩放因子F、交叉几率CR这三个控制参数。原始的经典DE算法一般都是根据经验来选取一组固定的参数大小：NP∈[5D，10D]；F一般取0.

>>阅读原文<<