差分进化算法（JADE）源码

JADE，通过实施一种新的变异策略“DE/current-to-pbest”，可选的外部存档和以自适应方式更新控制参数来提高优化性能。 DE/current-to-pbest 是经典的“DE/current-to-best”的概括，而可选的归档操作利用历史数据来提供进度方向的信息。这两种操作都使种群多样化并提高了收敛性能。参数自适应自动将控制参数更新为适当的值，避免了用户对参数设置与优化问题特征之间关系的先验知识。因此有助于提高算法的鲁棒性。仿真结果表明，在一组 20 个基准问题的收敛性能方面，JADE 优于或至少可与其他经典或自适应 DE 算法、规范粒子群优化和文献中的其他进化算法相媲美。带有外部存档的 JADE 显示了对于相对高维问题的有希望的结果。此外，它清楚地表明，没有固定的控制参数设置适用于各种问题，甚至是单个问题的不同优化阶段。