进化算法具有自适应、自组织、自学习、并行性、普遍适用性等特点,已被广泛应用于解决科学和工程领域的复杂优化问题。差分进化(Differential Evolution,DE)算法是一种基于群体的进化算法,具有实现简单、结构紧凑、获得最优解速度快、鲁棒性高等诸多优点,受到了大量研究人员的关注。但传统差分进化算法局部寻优能力较弱,在种群进化的最后阶段,算法收敛速度较慢。差分进化算法最突出的特点是其变异算子,变异算子中选择父代的方式对差分进化算法的寻优性能有重要影响。本文从变异算子选择父代的角度对差分进化算法进行了研究,提出了两种变异算子,来提升差分进化算法性能。本文的主要工作如下:(1)针对差分进化算法局部搜索能力较弱,种群中优秀个体没有被有效利用来指导搜索的缺点,提出了基于种群排序和个体相似性的差分进化变异算子。该变异算子中基向量选择父代时,种群中排名越高的父代被选中作为基向量的概率越大。差分向量的终点采用相似性选择,距离基向量越近的父代被选中作为差分向量终点的概率越大。差分向量的起点在种群中随机选取。所提算子充分利用种群中优秀个体,增强了算法的局部搜索能力。将所提算子应用到原始DE和高级DE上,标准测试函数测试结果表明,所提算子能有效提升算法的收敛能力,提升了算法性能。(2)针对变异算子随机选择父代没能完全利用种群中优秀个体信息和搜索空间信息的缺点,提出了基于种群排序和个体分组的差分进化变异算子。将种群的所有个体按照适应度从最好到最坏排序,将排序的种群分成三组。变异算子中的父代在不同的组内选取,以此来最大的提取搜索空间信息。适应度最优的一组内部,排名越高的父代被选中作为基向量的概率越大。适应度次优的第二组内部,排名越高的父代被选中作为差分向量终点的概率越大。差分向量的起点在剩下的一组内随机选取。该变异算子既提取了搜索空间信息,又利用了种群的优秀个体信息,加速了算法收敛,很好平衡了算法的全局探索能力和局部开发能力。将所提出的算子应用到原始DE和高级DE上,标准的测试函数测试结果表明,所提算子能有效提升所对应算法性能。将所提算子与rank-DE算子进行比较,标准的测试函数测试结果表明,所提算子比rank-DE变异算子更有效。