基于动态模式搜索的差分进化算法（文献阅读自用）

        DE是1997年S和R提出的随机全局优化算法，实数编码，主要用于连续域优化，根据个体差异进行变异、交叉、评价选择淘汰操作使种群进化逼近最优解或近最优解。

        优点：结构简单，参数少，可靠性高、鲁棒性强、优化性能好等

        缺点：面对复杂高维问题，易陷入局部最优，早熟，停滞，收敛慢等

算法改进

1.群体适应度方差

        随着种群不断进化，种群多样性降低，算法可能陷入局部最优而产生停滞，通过计算种群群体适应度方差来判断是否陷入局部，群体适应度方差越小，什么种群个体聚集程度越大。利用这个信息判断是否进行其它操作。-----早熟收敛判断机制

2.动态模式搜索

        模式搜索是一种单点搜索算法，对初始点敏感，但是局部搜索能力强，利用群体适应度方差判断是否对种群当前最优点进行模式搜索以跳出局部最优。该文改进的思想是通过DE强全局能力和模式搜索强局部能力结合来平衡搜索和收敛。

全局能力，局部能力，鲁棒性，收敛性能，稳定性，解的精度，收敛速度等是否变好。