الگوریتم تکامل تفاضلی یکی از موفق ترین و موثرترین روش های تکاملی برای مسئله جست و جوی سراسری است. مهمترین عملگر این الگوریتم جهش تفاضلی آن است که اعضای شرکت کننده در آن یا والدین بصورت تصادفی انتخاب می شوند اما در سال های اخیر تلاش هایی برای انتخاب هوشمند عناصر شرکت کننده در این عملگر انجام شده است. این تلاش ها معیار انتخاب خود را در یکی از دو فضای تابع هدف و یا فضای طراحی قرار می دهند حال آنکه در هر دو حالت اطلاعات موجود در فضای دیگر نادیده گرفته شده و از دست می رود. در این پایان نامه، الگوریتم تکامل تفاضلی مرجع معرفی شده است که در عملگر جهش، انتخاب هوشمند خود را بر اساس اطلاعات موجود در هر دو فضا انجام می دهد. همچنین، در این پایان نامه یک نماد جدید برای این الگوریتم مبتنی بر عملگر جهش پیشنهاد شده است که قابلیت استخراج و ساختن جهش های کارا و جدید را دارا می باشد. علاوه بر این، پس از معرفی جهش های جدید و مقایسه بسیار گسترده با سایر عملگرهای جهش گذشته، نسخه تعمیم یافته الگوریتم تکامل تفاضلی معرفی شده است. در این نسخه تعمیم یافته دو مجموعه از عملگرهای جهش وجود دارد که در هر نسل یکی از این دو مجموعه انتخاب شده و تمام جهش های آن روی جمعیت اعمال شده و سپس بهترین آن ها انتخاب می شود. نتایج شبیه سازی گسترده نشان از برتری محسوس هر دو روش پیشنهادی در مقایسه با سایر روش های هم دسته خود دارند. تمام بررسی های عملی بر روی 25 تابع مجموعه cec2005 و در محیط متلب صورت گرفته است که در نهایت نشان از برتری معنادار و متمایز الگوریتم تکامل تفاضلی تعمیم یافته در مقایسه با تمامی روش های مورد مقایسه دارد.