算法的理论分析对于理解其搜索行为并开发更有效的算法非常重要。 与关于差分进化（DE）的经验研究的大量工作相比，到目前为止，很少有理论研究来研究DE的收敛特性。 本文着重对DE的收敛性进行理论研究，并提出了一种收敛的DE算法。 首先，通过利用经典DE无法逃脱局部最优集合的性质，证明经典DE不能以概率1收敛到全局最优集合。 受精英遗传算法的特点启发，本文提出了一种改进的DE来克服该缺点。 所提出的算法使用两个算子来协助其逃离局部最优集并增强种群的多样性。 然后证明了该算法能够以概率1收敛到全局最优解
