动态优化问题是指问题的模型中的一些元素随着时间发生变化,从而问题的最优解也随之改变。在现实世界里我们遇到的大部分优化问题都是动态的,所以近年来动态优化问题引起了广大研究者和机构的兴趣,很多国际会议为动态优化问题开辟出专门的特刊,研究者们也研究各种动态优化算法去解决动态优化问题。因此研究动态优化算法是一个既具有实际意义又有科研价值的课题。在本论文中主要提出了一种基于差分进化算法和微粒群算法两种进化算法的有效动态混合算法(Multi-DEPSO算法),这个算法的主要思想是使用多个种群去搜索最优解,且确保每一个子种群搜索不同的山峰。在算法中设计了一个基于差分进化算法和微粒群算法的混合操作算子,用它为每个子种群搜索和跟踪最优解。它的主要思想是对于种群中的每个个体Xi,先使用DE算法去进化从而产生一个候补个体pi,同时更新全局最优解gbest和个体历史最优解pbesti,然后对候补个体pi执行微粒群算法从而产生候补个体qi,同时更新gbest和pbesti,最后在xi、pi和qi中选择最优个体进入下一代。为了确保每一个子种群搜索不同的山峰,提出了一种新的排斥方案,它结合了原来基于距离的排斥方案和hill-valley函数的思想。它的基本思想是在对每个子种群执行进化前,先分别计算它已搜索到的最优解与其他子种群己搜索到的最优解的距离,如果距离小于阈值,再利用hill-valley函数来判断两者是否处于同一峰。为了验证Multi-DEPSO算法的性能,首先用它去解决多峰移动问题,对于这个问题实验结果证明在不同的问题参数下Multi-DEPSO都具有比现阶段解决多峰移动问题的最好算法更好的性能。然后为了验证Multi-DEPSO算法解决更前沿更复杂问题的性能,用它去解决CEC2009动态优化算法竞赛中提出的一系列测试函数,包括动态旋转山峰问题和动态组合问题,实验结果表明Multi-DEPSO算法解决这些问题的整体性能(80.29)比当时竞赛中取得最好性能(68.99)的算法好。