采用自适应的交叉因子与变异因子在增强全局搜索能力的同时提高收敛速度，通过循环迭代取值的方法确定 Stearns？Noechel 模型中参数 M 的最优值。采用新模型对 8 组标准样进行染色配方预测，以 CIEDE 2000 色差评价标准对实验结果进行评价。结果表明：基于 ADE 优化模型预测染色配方得到的拟合样与标准样间 ΔE00 均小于 3；迭代次数是遗传算法的 13.04%，差分进化算法的50.00%，寻优速度更快；对于标准样 1，新模型预测配方得到拟合样与标准样间 ΔE00 约为最小二乘法、遗传算法和差分进化算法优化模型的 1/5、1/3 与 1/2，预测精度更高，说明了新模型在染色木材单板全光谱配色方面具有较高的使用价值。
