差分演化算法(differential evolution, DE)作为一种全局优化算法，是群智能演化算法的成员之一，由Storn和Price于1995年首次提出。该算法采用实数编码，具有结构简单、容易实现、收敛快速、鲁棒性强等优点，现已成为许多相关领域的专家学者们的研究热点，并已成功应用到多种工程应用领域中。然而，差分演化算法也存在一些有待研究、改进的方面：如算法本身局部搜索能力较差；算法性能对算法控制参数的设置敏感，对不同问题需要选择不同的参数值；差分演化算法中的多种变异策略具有不同的性能，适合求解不同的问题，如何根据不同问题选择最优的变异策略是很困难的。为此，本文将针对以上算法的不足，做以下工作：1)利用MFC设计友好、便捷的算法程序操作界面，可针对不同的问题自主更改算法的默认控制参数值，对不同维度的函数都能得到较好的优化结果，尤其是对高维度函数该算法仍然适用；同时，可灵活设置多次独立运行次数，提高优化结果的精度。2)集成并实现与生物地理学(Biogeography-based Optimization, BBO)优化算法混合的改进差分算法、以多策略选择(Multi_strategy Selection, MSS)改进差分演化算法，改进后的算法可以弥补传统差分演化算法存在的不足，如增强算法局部搜索能力，平衡算法的勘探和开采能力，加快算法后期的收敛速度等。3)集成多个标准测试函数供算法性能测试使用，算法及测试函数均可自主选择，并将优化结果、测试函数理论值、自变量的值、计算时间以及迭代次数显示在界面上，计算时间和算法迭代次数是评价算法优劣的两大标准。在本论文中，算法的实现均采用标准C++语言；通过测试函数的优化计算对算法性能进行验证、比较，实验结果表明改进算法能有效的弥补传统差分演化算法本身的不足，不同算法的优势互补能一定程度上提高算法的优化性能。