DE-PSO（文献阅读自用）

        为进一步提高差分进化算法优化性能，结合粒子群算法进化机制，提出DE-PSO，使用粒子群差分变异策略和DE/current-rand/1变异策略（提高算法全局能力和增加种群多样性），扰动策略（跳出局部，避免早熟）。通过测试函数知算法收敛精度和收敛速度较优。

一.粒子群差分变异策略和DE/current-rand/1变异策略

1.粒子群差分变异策略

a.随机惯性权重

        随机惯性权重是为了更好的平衡全局探索和局部开发！

随机惯性权重最小，大值，权重调和因子，N(0，1)标准正态分布。

b.粒子群差分变异策略

里面用到个体最好值和全局最好值。

2.DE/current-rand/1变异策略

        粒子群差分变异策略用到个体最好值和全局最好值，对于单峰函数效果很好（可检验算法局部开发能力），对于多峰函数来说该策略是往当前最优值进化的，一旦当前最优是局部最优算法可能就陷入局部而停滞，为了补偿这个情况，将DE/current-rand/1作为辅助变异算子（增加种群多样性）

二.扰动策略

        为增加种群多样性来避免早熟停滞，加入扰动。

用到个体的分量最大值和分量最小值。