理论和工程实践有许多组合优化问题，因此寻找快速、有效的方法解决组合优化问题十分必要。近十年来，差分演化算法作为一种新兴的智能算法，得到了广泛而深入的研究，其离散形式可以用来解决组合优化问题。然而在离散域上算法求解组合优化问题的效果并不如其在连续域中解决连续优化问题的效果好。因此很多学者就算法在离散领域上的不足展开了广泛的研究。　　 本文在深入研究差分演化算法的基础上，结合分布估计算法的思想，提出了基于分布估计的离散差分演化算法。该算法通过建立概率模型，利用种群中的优良个体来生成新个体以指导种群的进化。此外，本文还把选择策略FUSS引入到离散差分演化算法中，提出基于FUSS策略的离散差分演化算法。该算法通过均等地选择个体来保证种群的多样性。本文利用两种新提出的算法求解高维背包问题。大量的仿真实验表明，这两种改进的差分演化算法在性能上较原有的差分演化算法有明显的提高。