在工程实践和科学研究中存在着大量的组合优化问题,且大多带有约束条件,采用传统的数学优化方法将很难求解。差分进化算法是近年提出的一种新的自然计算方法,也是基于种群迭代的群智能优化方法,虽在求解带约束的组合优化问题中得到较好应用,但在算法的精度和求解效率上仍存在着瓶颈。因此针对具体优化问题,研究并设计高效的差分进化算法正受到国内外研究者的普遍关注,也正逐步成为进化计算领域的研究热点。本研究紧紧围绕经典的背包问题和等圆Packing问题,它们是两类具有代表性的组合优化问题,进行较深入的探索研究,并取得相应的研究成果：(1)针对离散空间的组合优化问题,提出了一种基于置换策略的离散差分进化算法。主要的工作有：一是将置换策略和差分进化算法相结合,提出一种基于置换策略的单目标差分进化算法,并将该算法应用于求解单目标背包问题；二是结合NSGA-Ⅱ的精英保留机制,在差分进化算法的基础上,给出多目标差分进化算法；三是给出基于置换策略的多目标差分进化算法,应用该算法求解多目标背包问题。实验结果和分析表明,该算法能够有效地解决背包问题,特别是在大规模问题的求解上,算法优化性能明显优于NSGA-Ⅱ.(2)针对连续空间的大规模约束的组合优化问题,设计出求解问题的差分进化算法,并验证算法的可行性。本文选取其中的等圆Packing问题进行研究,将等圆Packing问题转换成多目标问题,设计出适合求解等圆Packing问题的差分进化算法,并通过大量实验,验证文中所设计算法的可行性。本论文通过对离散空间和连续空间组合优化问题的研究,设计了基于置换策略的离散差分进化算法、求解等圆Packing问题的差分进化算法。这些工作不仅对差分进化算法的研究有着重要的意义,也对差分进化算法的实际优化应用有着重要的意义。