机械优化设计是在已有的机械结构基础上,实现产品性能升级。传统的机械优化设计主要依靠计算机辅助设计工具进行仿真模拟,存在模型更改频繁,设计报错等缺点。基于计算方法的机械优化参数化设计,可以快速为产品结构改进提供尺寸选择与理论支持,提高工作效率。差分进化算法是基于群体理论进行全局搜索的智能算法,具有原理简单、实现方便,并且具有受控参数少、鲁棒性高的特点,在机械优化领域应用广泛。但是,差分进化算法在处理约束问题时,搜索范围容易局部化,其收敛速度和精度仍有提升空间,因此,对于差分进化算法的改进研究和应用领域扩展具有重要意义。本文通过引入反向学习策略对算法初始种群和边界处理进行改进,保证初始个体质量,并保持试验个体的变异特性。同时,基于经典Deb准则提出可行性交叉算子,通过对误除个体特性的利用,实现约束处理方法的改进,以提高算法的收敛速度,提出一种简单高效的差分进化算法,通过实验数据比较,验证该算法相对于其他先进进化算法,具有较高的鲁棒性,并基于该算法对涡轮齿圈体积和焊接梁成本问题进行参数优化,验证所提算法适用于机械设计中的生产成本降低问题。在生物基因遗传学理论的启发下,将种群依据适应值大小划分为三类子种群,采用优质基因模型对优秀个体进行交配处理,提高种群质量,并结合远缘杂交理论实现变异算子的多样化,通过远缘个体之间的多策略学习,提高有效个体的保持率,同时增加群体多样性,实现算法全域搜索,提出一种自适应的多策略差分进化算法。通过标准测试问题对所提算法以及其他先进差分进化算法进行试验,结果表明,该算法具有较快的收敛速度。并基于该算法对八连杆压力机工作中的冲击问题进行建模求解,有效地降低了机器在工作中的速度波动。基于可行性准则搜集有效的不可行解,并通过不可行解引导变异策略机制加快种群个体向可行域最优个体的进化方向搜索速度,同时,为变异算子和交叉算子提供多种选择,提高进化过程产生变异个体的多样性,提出一种高效的求解多目标问题的差分进化算法。在标准测试函数问题中与其他先进算法进行比较,讨论新策略对差分进化算法性能提高的有效性。并将改进的差分进化算法用于求解典型的机械设计问题,结果表明改进算法在机械优化设计中具有较高性能。