差分进化算法(DE)始终将进化放在固定的一个种群内反复进行，使得种群内基因交流不畅通，导致种群多样度降低，从而影响全局寻优能力。为此，本文提出了一种新型的差分进化算法—基于小生境的差分进化算法(NDE)。NDE算法引入小生境概念，先将进化放在不同小群体内进行，再通过不同种群个体间的混合及融合操作达到加强不同种群间基因交流的目的，从而保持了种群多样性。同时，在搜索后期加入单纯形寻优操作以提高搜索精度。本文采用NDE算法和DE算法对11个标准测试函数进行优化计算，结果表明NDE算法比DE算法具有更好的全局寻优能力，搜索到全局最优解概率大，且局部搜索能力强，获得最优解的精度高。最后，提出一种新的神经网络学习算法—NDE-BP组合算法，先利用NDE算法寻优，使网络的权值及阈值落在一定范围内，再利用BP算法对网络进行训练，以提高网络精度。将该算法应用于溶剂脱水塔软测量建模，建立了塔底水含量软测量模型，说明了NDE-BP组合算法在优化神经网络上的有效性。