jDE在DE基础上实现参数自适应，DE对于参数较敏感。 

进化算法不同阶段需要不同的参数以提升算法性能，因为进化算法本身就是动态的。

jDE主要将F以及CR(缩放因子和交叉概率)这两个参数编码进个体，参数可以随着个体进入下一代。

和分别被初始化为0.5和0.9

参数控制规则：

F:

        R1=rand();
        R2=rand(); 
         if R2 <= t1（0.1）
             F(i) = FL（0.1） + R1*FU（0.9-0.1）;

CR：

    R3=rand();
    R4=rand(); 

    if R4 <= t2（0.1）
        CR(i) = R3;

Matlab实现：

主函数

jDE_result=zeros(50*15,200);
FunIndex=1;%测试函数

while FunIndex<16
%{%}
%maxIteration=1500;%最大迭代次数
Generation=0;%进化代数，或者当前迭代代数
Xmax=100;%搜索上界，可以根据需要改为向量形式
Xmin=-100;%搜索下界
Dim=30;%个体维数
NP=100;%population size,种群规模
count=50;%独立运行50次
Max_Fes=300000;
i_=0;
j_=0;

%%

while count>0   
    %%
    %step1 初始化
    %X represent population
    %Generation=0;
    
    nFe=NP;
    Generation=0;%进化代数，或者当前迭代代数
    X=(Xmax-Xmin)*rand(NP,Dim)+Xmin;%X行代表个体i，列代表个体i的维度j
    F=zeros(NP,1);
    F = F+0.5;  
    CR=zeros(NP,1);
    CR = CR+0.9;
    X=[X,F,CR];
    
     for i=1:NP
            fitnessX(i)=cec15_func(X(i,1:Dim)',FunIndex);%fitnessX表示X的适应值
     end
        [fitnessbestX,indexbestX]=min(fitnessX);
        bestX=X(indexbestX,:);%bestX表示最优值对应的位置
        i_=((51-count))+(FunIndex-1)*50;
        
    %%
    %step2 mutation,crossover,selection
    while nFe<Max_Fes
    %求bestX
        Generation=Generation+1;
        [fitnessbestX,indexbestX]=min(fitnessX);
        bestX=X(indexbestX,:);%bestX表示最优值对应的位置
        

    %输出当前最优值
        j_=floor(Generation/15);
        if Generation>=15&&(mod(Generation,15)==0)
            fitnessbestX
            jDE_result(i_,j_)=fitnessbestX;
        end
    %%
    %step2.1 mutation
    %mutationStrategy=1：DE/rand/1,
    %mutationStrategy=2：DE/best/1,
    %mutationStrategy=3：DE/rand-to-best/1,
    %mutationStrategy=4：DE/best/2,
    %mutationStrategy=5：DE/rand/2,
    %产生为每一个个体Xi,G 产生一个变异向量Vi,G。 G代表进化代数
%         V=mutation(X,bestX,F,mutationStrategy);
        %jDE
        V=jDE_mutation(X,X(:,Dim+1:Dim+1));

     %%  
    %step2.2 crossover
    %crossStrategy=1:binomial crossover
    %crossStrategy=2:Exponential crossover
    %产生为每一个个体Xi,G 产生一个交叉向量Ui,G。 G代表进化代数
%         U=crossover(X,V,CR,crossStrategy);
        %jDE
        U=jDE_crossover(X,V,X(:,Dim+2:Dim+2));
        
        %%
        %边界处理
    for i=1:NP
           for j=1:Dim
              while (U(i,j)>Xmax||U(i,j)<Xmin)
                 U(i,j)=(Xmax-Xmin)*rand+Xmin; 
              end
           end
     end
  
    %%
    %step2.3 selection
        for i=1:NP
            fitnessU(i)=cec15_func(U(i,1:Dim)',FunIndex);
            if fitnessU(i)<=fitnessX(i)
                X(i,:)=U(i,:);
                fitnessX(i)=fitnessU(i);
                if fitnessU(i)<fitnessbestX
                    bestX=U(i,:);
                    fitnessbestX=fitnessU(i);
                end
            end
                
        end
    %%
nFe=nFe+NP;

    end

    %%
    optValue=fitnessbestX;
    count = count-1;
    jDE_result(i_,200)=fitnessbestX;
end

%测试函数+1
FunIndex = FunIndex+1;
end

变异：

%为了保证多样性，在产生新的种群个体的过程中，产生的nrandI个互不相等的随机数，与i皆不相等；
%即：每产生的第 i 个新个体所用的随机选到的nrandI个旧个体不能是第 i 个旧个体。
  
function V=jDE_mutation(X,F)

[NP,Dim]=size(X);

FL = 0.1;%jDE
FU = 0.9;%jDE
t1=0.1;%jDE


for i=1:NP

    %在[1 NP]中产生nrandI个互不相等的随机数，且与i皆不相等
    nrandI=5;
    r=randi([1,NP],1,nrandI);%生成1*nrandI的随机矩阵（伪随机整数）
    for j=1:nrandI
        equalr(j)=sum(r==r(j));%逐一比较，若都不想等应为1 1 1 1 1
    end
    equali=sum(r==i);%是否和i相等
    equalval=sum(equalr)+equali;
    while(equalval>nrandI) %若产生的随机数有相等的或与i相等的——需要重新生成随机数
        r=randi([1,NP],1,nrandI);
        for j=1:nrandI
            equalr(j)=sum(r==r(j));
        end
        equali=sum(r==i);
        equalval=sum(equalr)+equali;
    end
    
    
        R1=rand();
        R2=rand(); 
         if R2 <= t1
             F(i) = FL + R1*FU;
         else
             F(i) = X(i,Dim-1);
         end
    
        V(i,Dim-1) = F(i);
        
    %jDE
    V(i,1:Dim-2)=X(r(1),1:Dim-2) + F(i).*(X(r(2),1:Dim-2)-X(r(3),1:Dim-2));       
end   

end

交叉

function U=jDE_crossover(X,V,CR)

t2=0.1;
[NP,Dim]=size(X);
    %crossStrategy=1:binomial crossover
for i=1:NP
    R3=rand();
    R4=rand(); 

    if R4 <= t2
        CR(i) = R3;
        X(i,Dim) = CR(i);
        U(i,Dim) = CR(i);
     else
         CR(i) = X(i,Dim);
         U(i,Dim) = X(i,Dim);
    end
         U(i,Dim-1) = V(i,Dim-1);

       jRand=randi([1,Dim-2]);%jRand∈[1,Dim]
    for j=1:Dim-2
        k=rand();
        if k<= CR(i)||j==jRand %j==jRand是为了确保至少有一个U(i,j)=V(i,j)
            U(i,j)=V(i,j);
        else
            U(i,j)=X(i,j);
        end

    end

end
end