在实际工程问题中,经常遇到一类较为复杂的优化设计问题,其优化函数具有不连续、不可导、高维度、多峰值等特点,导致传统基于梯度的优化理论与方法难以有效求解,因此发展高效的新型优化算法具有重要的实际工程意义。近年来,由于基于种群的智能进化算法具有自适应、自组织、隐并行性等优点,且对所求优化问题不要求连续、单峰等特点,一般情况下只需根据优化问题的目标函数或适应度函数即可对复杂目标函数进行优化求解,为求解此类复杂优化问题开辟了一条有效的途径。差分进化算法是智能进化算法中一种简单、快速、高效的基于进化种群的全局优化算法,具有结构简单、易于实现、鲁棒性强等优点,因此在求解优化问题时具有良好的应用前景。但经典的差分进化算法存在易早熟收敛和容易嵌入局部最优解等缺陷,因此迫切需要改进和引入新思路发展新的差分进化算法。本文首先引入不同的策略发展了两类新型的差分进化算法求解无约束优化问题;随后,针对复杂约束优化设计问题,提出了一种改进的差分进化算法;最后,将区间不确定性引入至差分进化算法框架,发展了两类不同的区间差分进化算法求解非线性区间优化问题。基于此思路,本论文开展了如下工作:(1)提出了一种基于隔代映射算子的差分进化算法。为增加进化种群的多样性,采用反向学习策略和传统随机策略同时产生初始个体;为提升算法的收敛性,采用进化种群中连续两代的最优个体用于构造搜索方向,以便快速有效地产生更优的个体。同时,为避免算法陷入到局部最优解,每隔一给定代数由当前种群中的最优个体和最差个体产生两新个体,择优选择一个个体保留至下一代进化种群。(2)提出了一种基于年龄策略的自适应差分进化算法。将年龄策略有机引入差分进化算法框架,将进化种群中定义的领导个体结合年龄策略使其引导当前种群产生新个体。为保持种群的多样性,领导个体的寿命根据其领导力的强弱自适应地增加或减少;同时,以自适应的方法产生差分进化算法的关键参数。(3)基于空间压缩技术和适应性均衡策略,提出了一种改进的差分进化算法。首先,根据当前种群的可行解比例,构建了一种新型的变异策略,进而结合二项式交叉策略提出一种改进的差分进化算法产生新个体。空间压缩技术则根据反馈信息缩减搜索区域,在保证求解精度的同时提高计算效率。针对约束函数,则采用自适应均衡技术处理,其优点在于能有效平衡当前种群中可行个体与不可行个体的比例,利于快速有效地搜索到可行解。(4)基于改进的区间可能度模型和区间偏好准则,发展了一种基于差分进化算法的直接区间优化方法。该方法基于差分进化种群个体的优点,避免将不确定优化模型转换为确定性模型,直接对非线性区间不确定模型进行优化求解。区间可能度模型,用于定量地给出一区间小于等于一区间的可能度值,用于处理约束函数。区间偏好准则,用于差分进化种群中两个体择优的选择机制,即选取哪些个体保留至下一代种群。(5)将区间结构分析技术引入区间差分进化算法中,发展了两类高效区间差分进化算法。针对小不确定水平条件下,利用基于泰勒展开的区间分析技术,对不确定优化模型进行关于不确定参数的线性化展开;针对大不确定水平条件下,基于子区间分解技术求解内层边界响应,从而避免内层在不确定向量空间的寻优,将其转换为一传统的单层优化问题,从而极大地提高了计算效率。