随着新技术、新方法的不断涌现,人们对于传统问题的求解提出了更高的要求,将经典的求解算法与新兴优化技术相结合,越来越成为一种解决问题的新思路,很多实践证明,混合算法能够更加灵活、更加高效的解决实际问题。本文将差分进化算法与其它传统算法相结合,提出了求解二元约束满足问题的混合差分进化算法。提出了SADE算法,将构造的自适应函数运用于差分进化算法的变异因子和交叉因子的自适应调整,算法的实验结果与近年来提出的一些算法进行了求解性能的比较和分析,分析结果显示SADE算法收敛性很好,求解成功率(SR)远远高于其他算法;提出了IMDE算法,分析在CSPs问题的求解过程中种群的不同状态,使用分段函数来针对不同的种群分布,分别进行不同的变异策略,采用公测数据集进行测试,与其他算法的测试结果进行对比后的结果显示,算法有效的预防了早熟收敛,保持了种群的多样性；提出了EEMDE算法,将类电磁机制算法(EM)的吸引-排斥机制与差分进化算法相结合,种群中每个个体看作是一个点电荷,每个点电荷根据带电量不同的比较,而受到其他点电荷的吸引或者排斥的库仑力的作用,根据点电荷所受的合力的方向来获得加速度,改变点电荷的位置,算法在不需要外在干预的情况下,就能够很好的解决局部收敛的问题,实验结果显示,算法的收敛速度接近达到其他算法的二倍,算法的物理模拟具有可行性；提出了一种SAPSO算法,将自适应思想应用于粒子群算法用于求解二元约束满足问题,将该算法应用于求解随机约束满足问题,实验结果表明,改进后的算法比原算法(PS-CSP)能以更快的速度收敛到全局解。对于本文提出的以上算法,均采用了其他作者公开的公用测试数据集进行了测试,测试结果表明,本文提出的以上算法运行结果良好。关于将差分进化算法与其它技术相结合的研究工作还处于刚起步的阶段,有很多关于解决不同问题的尝试和探索工作需要研究,本文所完成的工作对该领域的深入研究具有很好的促进作用。同时也为求解类似的问题提供了新的思路和求解手段。因此,具有一定的理论研究意义和实际应用价值。