為提高差分進(jìn)化（DE）算法對性連續(xù)優(yōu)化問題的求解能力、增強(qiáng)算法的適應(yīng)性，提出了一種基于局部快速收斂算法的Memetic進(jìn)化算法。改進(jìn)了Davidon-Fletcher-Powell方法，得到了具有強(qiáng)搜索能力的局部搜索算法——NDFP。當(dāng)進(jìn)化過程中出現(xiàn)具有優(yōu)秀特質(zhì)的個(gè)體時(shí)，NDFP可以使該個(gè)體沿著局部最優(yōu)解的方向快速進(jìn)化。為綜合NDFP和DE的優(yōu)勢，提出局部搜索的執(zhí)行策略來平衡全局搜索和局部搜索的關(guān)系，使得NDFP對DE的優(yōu)化具有更為廣泛的適應(yīng)性。在CEC2005和CEC2013 Benchmark的53個(gè)測試函數(shù)上的實(shí)驗(yàn)結(jié)果表明，同DE/current-to-best/l、SaDE和EPSDE算法相比，NDFP-DE進(jìn)化算法具有更高的求解精度和穩(wěn)定性。