自然科学、工程设计、生产实际和现代化管理等领域中的很多实际问题都可以转化为目标优化问题来求解。优化技术是用于求解各类工程近似解或最优解的技术手段。一些传统的优化方法对问题要求严格，如要求函数连续、可微等，但实际生活中遇到的问题往往难以满足条件，于是一些群体智能算法脱颖而出。差分进化算法（Differential Evolution，简称DE算法）就是其中一种，它受到人们的广泛关注和研究。　　本文以差分进化算法为基础，同时引入云模型来开展研究工作。针对差分进化算法在求解全局最优值时，若参数设置不当，进化变得缓慢，甚至出现早熟、进化停滞和易陷入局部最优值这些特点，文中展开以下几个方面的研究：　　①提出一种基于云模型的混沌差分进化优化算法，求解无约束优化问题。该算法运用混沌局部搜索的随机性、遍历性和规律性产生更多局部最优解的领域点等特点，把混沌局部优化算法作为一种子算法，融合到差分进化算法和云模型中，以达到平衡搜索速度和优化精度的目的。　　②提出一种基于云模型的复形差分进化优化算法，求解有约束优化问题。该算法利用复形法的局部搜索能力，把复形法作为一种优化算子，融合到差分进化算法和云模型中，以增强差分进化算法的局部搜索能力，并进行了工程实例仿真。结果表明，改进后的算法求解结果更优，性能更稳定，更具优越性。　　③提出一基于云模型的单纯形差分进化优化算法，求解离散点问题。引入ROV规则将连续解转化为离散解，运用单纯形法产生的反射点、扩张点、收缩点使个体更有效地靠近目标值，用一次小型洪涝灾害救援求解最短路径的实例验证了混合算法的鲁棒性。