滚动轴承被普遍用于航天、汽车、高铁、机器和仪表等各个产业。因为轴承的普遍应用,增加轴承的承载能力与轴承优化有很重要的意义。而滚动轴承的设计必须满足几何学,运动学和强度等约束条件才能具有出色的性能,长寿命和高可靠性。这就需要一种最佳的设计方法来共同实现这些目标。为求得双列角接触轴承最佳额定动载荷、额定静载荷及油膜厚度。以此针对轴承的结构建立起3个目标函数的数学模型。将17组双列角接触轴承作为优化对象,将双列角接触轴承的额定动载荷,额定静载荷和油膜厚度作为三个目标函数,双列角接触轴承的节圆直径,滚动体球直径,滚动体个数,内外圈沟道曲率半径与球径之比作为决策向量。应用单目标、多目标进化算法来进行轴承结构优化的运算。近年来,差分进化算法(DE)被广泛应用于许多实际问题的求解。然而,差分进化算法在迭代过程中可能会遇到停滞问题。因此,使用一种强化学习的方法来提升差分进化算法的搜索能力,提出一个新的算法,命名为RUSDE。选择了排名靠前的个体并将其存储到一个存档中,与适应度更新的个体相比,这种选择更加严格;通过模拟人类社会行为,采用不同的突变策略。在这一学习策略中,根据父代的更新情况来选择。在该方法中,本文使用CEC2014基准测试,包括单峰、基本多峰、扩展多峰和混合问题来测试RUSDE的性能,以及讨论了档案容量的影响,结果表明,当档案容量为种群数的一半时,可以获得较好的结果。比较了RUSDE与DErand、j DE、Sa DE、Rankj DE、SPS-j DE、j DE-EIG、KH、LBSA、DGSTLBO和SCA的性能,结果和统计分析表明,RUSDE在30维问题上优于DErand、j DE、Rank-j DE、j DE-EIG、KH、LBSA、DGSTLBO和SCA,略优于SPSj DE和Sa DE。在处理50维问题时,RUSDE的性能略优于SPS-j DE,优于其余9种算法。优化结果表明,相对于没有进行优化的轴承,经过优化算法优化后轴承的承载能力提高了60%～120%以上。