随着 DE 变体增加，一个自然问题是：有效组件放在一起，是否仍然有效？Tao、Zhao、Wang 与 Gao 的 RDE（Reconstructed Differential Evolution，2024）围绕策略重组展开。本文的 RDE 专指这篇工作，不指其他同缩写算法。

从“增加组件”转向“安排组件”

RDE 将两种变异策略、扩展排名选择、成功历史记忆、种群缩减及 Cauchy 扰动组织在一起。其切入点并非所有组件都是新发明，而是如何分配资源、协调已有机制。

例如，向优秀区域集中与维持候选多样性可能互相牵制。一个组件独立加入时带来的收益，不保证在另一个强开发组件存在时仍然成立。因此组合方案本身也需要验证。

RDEx 是 RDE 之后的一组方法，作者仓库分别列出单目标 SOP、约束单目标 CSOP、多目标 MOP 与约束多目标 CMOP。承接本系列的有界单目标主线，本文重点讨论 RDEx-SOP。

截至 2026-09-19，本文核对的公开报告为 arXiv:2603.27089v1，发表于 2026 年 3 月，描述 CEC 2025 使用的方法。算法参赛年份和报告公开年份不同；本文不据此宣称它是整个 DE 领域“最新或最强”的方法。