支持向量机实际计算过程的复杂性主要由支持向量数决定,可以获得优异鲁棒性,精度也获得明显提升。设计了一种通过差分进化改进支持向量机模型(DEI-RBF),分并以RBF核函数支持向量机(RBF-SVM)构建初始模型。通过差分进化算法完成RBF-SVM惩罚系数C以及RBF核函数参数σ的寻优,结果表明DEI-RBF可以实现热轧轧制力的精确预测,达到现场使用要求。研究结果表明以RBF核函数构建的支持向量机回归模型获得了最大的R2,同时均方差(MSE)以及平均绝对误差(MAE)都达到了最小,显著提升了模型效果。采用差分进化算法进行优化后的支持向量机回归模型获得了更优性能,预测误差在5%以内的概率为99.2%,相对传统轧制力计算模型获得了更高预测准确性。

动力学演化算法（DEA）是一种新颖的基于统计机制理论的演化计算技术。DEA通过驱动所有的个体运动和演化，可以有效地保持种群的多样性，但是在解决一些困难的函数优化问题时，DEA收敛速度慢并且易收敛于局部最优解。提出了一种改进的带有多父体杂交和差分变异算子的动力学演化算法（IDEA），有效地加快了DEA的收敛速度并且可以轻易逃离次优解。通过解决典型的数值函数优化问题来证实算法的有效性，实验结果表明，改进的动力学演化算法具有更高的收敛速度和收敛精度。

由于因变量和自变量的关系无法用显式函数表达,导致平面扭簧的设计优化问题都是昂贵黑箱问题。差分进化算法是近年来用于解决高成本优化问题的方法,它通过使用代理模型,对适应度与因变量的关系进行预测,从而大幅降低计算成本。提出一种基于变可信度代理模型和差分进化相结合的设计优化方法(VFS-DE)。利用所提出的VFS-DE进行相关优化测试函数检验,结果表明:该方法可以有效地解决函数优化问题。将VFS-DE应用在机床伺服电机平面扭簧的设计中,相关实验结果验证了该方法的有效性。

针对工业过程中的PID参数整定难的问题，在分析传统差分进化算法的基础上，提出了一种自适应变异的差分进化算法，用于PID控制器的参数优化。改进算法定义了群体相似度系数和个体优劣系数，根据群体相似度系数动态调整变异操作，发挥不同变异操作模式的优点，使得算法同时兼顾了全局搜索和局部搜索的能力，根据个体优劣系数自适应调整交叉概率因子，改变以往交叉概率因子为定值常数，算法能够根据变异个体优劣选择合适的交叉概率因子。将改进算法用于以直流电机模型为被控对象的PID控制器参数整定优化中。仿真实验研究表明，相较于传统PID，DE|PID和QPSO|PID控制，AMDE|PID控制器具有更快的响应速度和稳定精度。

针对粉末液压机电液伺服系统具有时变性、非线性、易受干扰的特性,采用常规PID控制难以收到理想效果的问题,在分析电液伺服系统的基础上,建立了系统数学模型,并利用差分进化算法,结合模糊推理技术,提出了一种基于模糊推理技术的差分进化算法。将其用于电液伺服控制系统PID参数优化,提高了PID控制器对电液伺服系统的调节控制能力;在单位阶跃信号输入下,在Matlab中分别对CNC粉末液压机电液伺服系统的FDE-PID控制与常规PID、DE-PID控制效果进行了仿真分析。研究结果表明:相比于其他控制作用,FDE-PID控制器在控制精度、抗干扰能力以及鲁棒性方面均表现出了出色的控制性能。