科学研究和工程应用中很多问题可抽象为数学模型作为待优化问题求解,随着问题规模越来越大,复杂度越来越高,传统的优化算法在解决这些问题时显得愈发吃力,具有更强全局优化能力的智能优化算法成为解决这些大规模优化问题的有力工具。DE算法是一种基于群体差异的演化算法,自1995年被提出以来,以其鲁棒性强,简单有效等优点在各个领域得到了广泛应用。本文在介绍了DE算法基本结构和原理的基础上,针对其在种群结构,参数控制和变异操作上的优缺点,提出改进DE算法和框架,最后将算法和框架结合应用于塔式光热电站定日镜场布局的优化设计中,用于提高镜场的综合光学效率。本文的主要研究内容如下:(1)在分析经典DE算法变异操作中最优解引导作用强,容易使算法陷入局部最优及控制参数敏感等缺陷的基础上,提出“基于动态物种形成变异策略的自适应改进DE算法”。该方法通过构建层次化种群结构,确定当前种群在空间位置上的相对较优解;其次,提出两种变异策略,一个具有开发性,一个具有探索性,二者同时使用,有效平衡算法的整体开发性能和探索性能;最后,提出使用利维分布动态调整控制参数。在CEC2014标准测试集上的实验表明,本文所提算法在收敛速度和准确性等方面都要优于其他几种经典的改进DE算法。(2)针对当前DE算法普遍存在的停滞问题,提出“基于对精英个体重新生成的DE算法框架”。这一框架在选择操作之后使用高斯分布和柯西分布对精英个体进行了重新生成,操作简单,普适性强,可应用于大部分现有DE算法,改善停滞现象。在CEC2014测试集上的实验表明,结合该框架的几种DE算法相比于原算法,优化性能都有了明显提高,从而证明了框架的有效性和通用性。(3)最后,本文对塔式光热电站定日镜场进行了布局优化研究。首先建立定日镜效率计算模型;其次,使用放射状栅格法构建最密初始镜场布局;最后,以此最密镜场布局作为基础,对镜场进行扩展,将所提改进DE算法和框架结合并应用于镜场布局优化中,求解各排定日镜的最佳间距。实验结果表明,优化后镜场综合光学效率有了明显提升,再次证明所提改进算法和框架的有效性。