差分進化算法的變體之一——JADE算法

對於DE算法而言，隨着迭代次數的增長，個體間的差別會逐漸下降，收斂速度也會隨之降低，這會使得DE算法容易陷入局部最優和早熟收斂。因此不少研究者在原始經典的DE算法上尋求各類改進來提升DE算法的尋優能力、收斂速度、克服早熟收斂等。算法 DE算法主要涉及種羣規模NP、縮放因子F、交叉機率CR這三個控制參數。原始的經典DE算法一般都是根據經驗來選取一組固定的參數大小：NP∈[5D，10D]；F一般取0.

>>阅读原文<<