自从1993年关于进化计算的国际杂志首次创刊，1994年第一届进化计算国际会议召开到1996年进化计算国际竞赛的举办，进化计算的发展可以说如火如荼，1995年差分进化首次提出到2012年，国际上的DE算法热与国内的相关研究形成鲜明对比，在12年以前，国内尚没有一本关于差分进化的书籍出版，哪怕如今已过去四年，国内关于差分进化的书籍依然寥寥。在1995年，R。Storn和K。Price[5]发表了一篇名为“Differential Evolution – A Simple and Efficient Adaptive Scheme for Global Optimization over Continuous Spaces”的论文引起轰动，1996年两人又利用DE算法在第一届进化计算的国际竞赛中获得第三名，这让许多研究者都注意到了DE算法的潜力。1997年，两人再次发表了“The Journal of Global Optimization”，文[6]中在各种各样的测试函数的鲁棒性能上给出了广泛的实证证据，与此同时，两人建立了一个关于DE算法的网站用代码来实现DE算法以及相关的改良算法。后来在97年的竞赛中，DE算法得到了冠军。之后，芬兰拉普兰塔理工大学的教授Prof。 Jouni Lampinen[7]为了展现DE算法作为机械工程的有效工具开发了一种非常简单而有效的自适应DE算法以约束和多目标优化的特殊要求的优化问题。后来不断有科学家出版及发表了关于DE算法的相关文献，同时在其他领域引入相关理论。82740

不过近年来，国内学者对差分进化的关注度越来越高也间接填补了我国在差分进化领域的空白。同时国内学者对于改良DE算法及在混合算法方面的研究也得到国际同行的认可，像方强等[8]在DE算法中加入单纯形寻优操作和重布操作，提高了单纯形方法的收敛速度的同时，也提高了DE算法的搜索精度。Feoktistov等[9]提出一种新型的广义的变异策略，使得使用者可以挑选合适的变异操作策略，另外他也提出了新的变异算子。接着，Lee等[10]提出了基于适应性步长的局部搜索来确定合适的缩放比例因子以加速缩放搜索进程。后来，谢晓峰等[11]又将缩放比例因子由固定数值转化为随机函数，仿真试验表明了该方法相对固定值缩放比例因子具有优势。除了改进DE操作，也有专家学者对DE算法实施了引入新操作的研究。Wang等[12]在DE中引入加速和迁移操作，其中加速操作利用梯度信息将最优个体引向更优的区域，而为了防止算法早熟收敛，当种群的分散度低于一定阈值时，则利用迁移操作在最优个体附近区域重新产生新个体并替代旧个体，从而维持种群的多样性。宋立明等[13]又提出一种自适应差分进化算法，主要是根据种群熵的变化自适应减小种群的搜索范围，节约了算法的搜索时间。近年来，基于DE的混合算法的研究正成为热点，其研究成果也不胜枚举。Chiou等[14]利用蚁群搜索算法实时地从多种变异算子中为DE算法选择合适的变异操作算子，进而加速算子的寻优过程。论文网

提出的混合差分进化群搜索优化算法也是站在前人的肩膀上，其结果也是为了降低单个差分进化算法的过早收敛局部最优的缺陷，改进算法的搜索速率和效率，以加快获得全局最优值的时间。