差分进化算法（DE）在求解优化问题时具有易于实现,不依赖于问题具体形式的优点,得到广泛应用。许多DE变体已经在进化计算大会（CEC）上取得了不错的成绩,表明了该类算法具有良好的性能。根据“No-Free-Lunch”（NFL）理论,单种优化算法并不能涵盖所有的优化问题,DE算法也具有该局限性,针对不同类型的优化问题,目前的DE改进算法依然不能取得很好的优化结果,因此仍需提出效果更好的改进算法去解决尽可能多的优化问题。将多种算法或策略按照某种规则融合在一起,形成多策略集成的算法,是一种有效的方式,在解决各种优化问题时显示出较好的性能。本文研究不同的策略来提升DE算法的性能,并通过CEC测试函数和实际工程问题验证算法性能。通过不同算法或策略的混合可以提升单一算法的性能。基于此,提出一种DE类型算法的串联框架。通过将两种不同的算法进行级联,第一阶段为单一算法,第二阶段为多策略和单一算法并行,以此实现优势互补,提升单一算法的性能;为了进一步提升算法的探索能力和开发能力,在算法的第二阶段增加局部开发策略和全局探索策略,二者与级联算法2并行执行。为了合理分配资源,算法第二阶段采用多种群机制;最后,通过种群缩减策略淘汰表现最差的部分个体,提高解的质量。为验证算法性能,采用CEC’2013和CEC’2014测试套件进行了大量的仿真和对比实验。结果表明,所提算法框架明显提升了单一算法的性能,与已有的较新算法相比,所提算法在解的精度和稳定性上都得到了提升。通过多种策略的集成可以有效提升算法性能。基于此,提出一种多策略集成的DE算法。为提升算法的探索能力,通过门限控制两种探索策略随机切换;同时为了提升算法开发能力,采用两种开发策略,当某一种连续多代没有改善适应度值时自动切换到另一种方式。为平衡探索与开发,采用了两种兼具探索与开发能力的策略,二者通过种群自适应分配策略获取种群资源。为进一步提升资源有效分配,采用种群自适应策略在三种组合策略间分配种群数量。采用实际工程问题验证算法的性能,包括CEC’2011测试函数和三个工程设计问题,并与目前较新的算法进行对比。结果表明,所提出的改进算法在解的精度和收敛速度上都得到了明显改进。