电阻抗断层成像(EIT)是一种不使用电离辐射的非侵入性成像技术。EIT由于其相对较低的成本、便携性、尤其是处理的安全性,具有极高的理论研究和实际应用价值。然而,EIT图像重建是由泊松方程控制的非线性病态逆问题。传统图像重建算法需求解非线性微分方程,计算量大,图像重建精度较低。本文基于差分进化(DE)算法及其改进形式对二维及三维脑病变EIT图像重建进行了深入的研究,主要的研究内容如下:1、DE算法主要有三个随机参数:种群大小(NP)、缩放因子(F)、交叉因数(CR)。这些参数的取值对EIT图像重建效果的好坏起着重要的作用。但当前DE算法的参数选择具有随机性,大多数参数研究是通过标准测试函数进行的,没有具体到特定的领域。针对这些问题,以头部EIT图像重建为例,在给定目标函数和终止条件的基础上,通过大量的仿真实验,分析了各个参数对图像重建结果的影响,并给出了这些参数的合理选取区间。为DE算法在EIT图像重建中的应用提供了有效的依据。2、针对DE算法和二维EIT图像重建的特点,在详细研究变异策略DE/rand/1/bin和DE/best/1/bin的优势后,提出了一种双模式自适应差分进化算法(DSaDE)。在迭代过程中,结合上述两种变异策略,按一定的规律交替选取这两种策略中的一种来生成新的种群个体,提高了算法的收敛速度和全局搜索效率;此外,针对获取DE算法控制参数组合较为困难的问题,通过采用控制参数自适应调整的方法来降低算法对参数的敏感性,提高算法的适应性与求解能力。在三层同心圆模型上对EIT进行图像重建对比实验。相比其他算法,DSaDE算法的平均收敛代数降低了25%以上,平均误差总和减小了35%以上。结果表明,本文提出的DSaDE算法能够显著提高算法收敛速度和图像重建精度,降低图像重建误差。3、针对基本DE算法存在收敛速度较慢和可能陷入局部最优的问题,提出一种改进差分进化(MDE)算法进行逆问题求解。该算法通过引入随机最佳变异策略和局部增强算子,在种群多样性和算法收敛速度上取得了较好的平衡,并增强了算法的局部搜索效率。为验证算法的有效性,通过三层同心球模型进行了阻抗重建仿真实验,并与其他算法进行了对比。仿真结果表明:改进算法成像过程简单,能够较为清晰地重建阻抗图像,与其他算法相比,图像重建的误差总和减小30%以上,有效地提高了图像重建的精度。