提出一个策略和控制参数自适应的差分进化(ESADE) 算法. ESADE 算法将指数平滑法和轮盘赌选择法结合到一起, 根据先前成功的经验在策略候选池中为每个个体自适应地选择变异策略来匹配进化的不同阶段. 在进化过程中, ESADE 算法使用柯西分布和正态分布为控制参数产生适当的值, 并使用指数平滑法进行自适应. 大量的仿真实验结果表明, ESADE 算法要优于其他差分进化算法.