差分进化算法( Diff er ential Evolution,DE)是一种基于群体的自适应全局优化算法，由Storn和Price于1995年提出，广泛应用于实数优化问题，DE：基础算法，使用固定的变异和交叉参数，以下为DE算法的改进版本

SaDE：引入多种变异策略和自适应参数调整机制。

JaDE：引入自适应权重和外部档案机制，通过外部档案维护种群多样性。

SHADE：使用记忆共享机制和成功历史记录更新来动态调整参数。

L-SHADE：在SHADE基础上引入种群大小缩减和参数控制策略，提高算法效率和 收敛速度。

L-SHADE-cnEpSin：引入灵活的适应度评价策略、协同进化变异策略和非线性参数更新，提高了算法的适应性和鲁棒性。

L-SHADE-SPACMA：通过自适应种群控制、协同进化策略和参数自适应控制，提高了算法的全局搜索能力和局部优化能力。

这些改进方法通过增强参数自适应性和种群多样性，显著提升了DE算法在各种优化问题中的性能。

1、DE算法简介

NO.2|自适应差分进化SaDE

NO.3|自适应权重差分进化JaDE

NO.4|缩放因子自适应差分进化算法SHADE

NO.5|线性种群缩减的SHADE算法

NO.6| L-SHADE-cnEpSin

NO.7| L-SHADE- SPA CMA