本文提出了一种新的通用差分进化算法，贝塞尔搜索差分进化算法，BeSD。 差分进化算法（DE）是解决实值数值优化问题的常用随机搜索方法。不幸的是，DE的问题解决成功率对所使用的人工数字遗传算子（即突变和交叉算子）的内部参数非常敏感。尽管已经为DE开发了几种突变和交叉方法，但是在解决DE问题的同时，还没有一种分析方法可以用来选择最有效的突变和交叉方法。因此，DE使用的人工数字遗传算子的选择和参数调整过程基于耗时的反复试验过程。现代DE版本的开发一直专注于快速开发，结构简单，高效的遗传算子，对其内部参数的初始值不敏感。与DE不同，通用差分算法（uDE）的问题解决成功对所使用的相关人工数值遗传算子的结构和内部参数不敏感。本文提出了一种新的uDE，即Bezier搜索差异演化算法BeSD。BeSD的变异和交叉算子在结构上简单，快速，独特，并产生高效的试验模式。BeSD利用部分精英精英的独特变异算子和独特的交叉算子。在本文中，通过使用Dim = 30的CEC2014的30个基准测试问题和一个3D视域问题作为实际应用进行了实验。使用Wilcoxon Signed Rank检验，将BeSD解决问题的成功与CEC2014的五个*方法进行了比较，即CRMLSP，MVO，WA，SHADE和LSHADE。统计结果表明，BeSD的问题解决成功率总体上优于比较方法。 代码获取： https://ai.52learn.online/9279