进化计算作为一种新的智能优化技术,已经广泛应用于工程科学的各个领域,与传统的优化方法相比,进化计算在对全局复杂性优化问题的求解以及易用性方面都显示出其优越性。差分进化算法是一种基于种群差异的进化计算方法,通过种群内个体间的合作与竞争来实现对优化问题的求解。在对差分进化算法的研究中,算法设计一直是研究工作的重点,这方面的研究始终围绕着两个主题,一是提高差分进化算法的性能和工作效率,二是拓展差分进化算法的应用领域。本论文围绕这两个主题,提出了一些新方法来提高差分进化算法的性能,另外对一些实际中常碰到的复杂优化问题,提出了一些利用差分进化算法的新方案,具体研究内容如下。论文首先介绍了课题的研究背景和意义；接着简单介绍了进化计算的一些常见算法分支及其历史；然后介绍了差分进化算法的原理以及研究现状,主要介绍了差分进化算法的种群初始化、参数选择、策略选择以及混合算法等四个研究方向；最后介绍了本文的研究工作和创新点。针对差分进化算法容易陷入局部最优解的问题,提出了新的尺度因子扰动机制。在变异操作阶段,使用了随机分布尺度因子向量代替尺度因子的固定取值,以此提高整个种群的多样性。针对差分进化算法的交叉方式选择问题,提出了使用局部随机中间重组和混合交叉来改善差分进化算法的性能。在交叉操作阶段,通过使用局部随机中间重组操作生成的子代个体,可以从父代中获得更多信息。该操作可以在以目标向量和捐赠向量各个维度的特征为顶点构成的超立方体内部进行搜索。另外,从DE算法在执行过程中可能会出现停滞的问题出发,提出使用混合交叉操作来扩大搜索区域以提高DE的全局搜索能力,混合交叉操作可以在由父代个体确定的边界附近一定范围内产生新的个体。针对差分进化算法的策略选择问题,提出了新的基向量选择机制以及种群规模的缩减机制。首先从差分进化算法中基向量的选择问题出发,提出了使用历史最佳个体和随机个体的线性组合作为基向量。在进化过程的不同阶段,动态调整基向量中最佳个体和随机个体所占比例,这样既可以在进化初始阶段使种群中的个体具有多样性,又可以在进化后期提高算法的收敛性能。针对在进化后期,过多的同质个体将集中在目标点周围,提出使用线性调节机制来控制组合差分进化算法的种群规模,以此提高差分进化算法的收敛性能。针对差分进化算法和其它算法进行混合操作的问题,提出了差分进化算法和群搜索优化算法进行混合的方法来提高算法的整体性能。首先从单个算法解决实际问题时都有其各自的特点出发,提出了与群搜索优化算法混合的差分进化算法。然后又从自适应共振理论神经网络需要事先人工设定参数的问题出发,提出了使用差分进化算法对简化模糊自适应共振理论神经网络的参数进行优化,并将优化后的简化模糊自适应共振理论神经网络作为分类器进行实验,结果表明使用该方法可以获得较高的分类正确率。针对相机空间操控系统的精度依赖于机器人关节旋转角度和末端效应器上特定基准点之间的局部关系的问题,提出使用差分进化算法来估计特定基准点的相对偏移量,并对相关参数的可观测性进行了研究和讨论。针对相机空间操控系统的视觉参数初始值可能出现选择不当的问题,提出使用差分进化算法来计算其视觉参数。实验结果表明,使用差分进化算法计算得到的视觉参数可以使相机空间操控系统的定位精度有了明显地提升。最后对本论文进行了总结,并提出了差分进化算法存在的问题并对该算法未来可能的研究方向进行了展望。