混沌差分进化算法,就是将局部寻优能力强的混沌优化细搜索与全局寻优强的差分进化算法相结合形成的算法。它克服了原差分进化过快收敛而提前终止迭代的缺陷,同时算法收敛到最优解的速度和寻得最优值的精度得到保留。改进的混沌差分进化算法,主要是对原算法各个参数选值进行智能控制,并加入精度控制因子,它不仅保留了原混沌差分进化算法的优越性,而且智能地减少了对可变参量的操作,使得实际使用起来更加便捷。数值实验结果也表明,用此改进的算法求解几类特殊的标准测试函数,寻优效果更优而耗费的时间又是十分适中的。　　将改进的混沌差分进化算法应用在复杂的组合优化问题上,寻优效果还是很好的。针对实际处理的问题多为多目标约束问题,对算法迭代中的每个可行解个体增加约束条件的判断。不满足约束条件的个体反复重新在可行域内生成,直到满足所有约束条件为止。从而增加对多约束问题的处理,使得本文算法在处理复杂的组合优化问题也能游刃有余。运用本文算法通过建立合理的模型来对旅行商问题、对0-1背包这些多目标规划问题进行寻优,也是能快速找出合理的解。　　将改进的混沌差分进化算法与BP神经网络结合应用在I RIS数据集分类上,寻优效果也是很显著的。由于原始BP神经网络及其优化过的某些算法收敛慢、实现难度大和易陷入局部最优的弊端,故而用改进的混沌差分进化代替原BP网络的权值阈值更新采用的梯度下降策略,形成新的混合智能算法。实验结果表明,在 IRIS数据分类中此算法其各项性能指标明显强于标准BP神经网络、PSO优化的神经网络和GA优化的神经网络。