出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后将微粒群差分算法用于5个基准函数和两个工程问题，并与其

通过将粒子群算法(PSO ) 与差别进化算法(DE) 相结合, 提出一种混合算法PSODE, 用于求解约束优化问 题. PSODE 是在PSO 算法中适当引入不可行解, 将粒子群拉向约束边界, 加强对约束边界的搜索, 同时与DE 算法结 合以加强搜索能力. 基于典型高维复杂函数的仿真表明, 该算法简单高效, 鲁棒性强.

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题，传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性，提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题，该算法基于外部存档集和Pareto占优原则，采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能，并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表