به عنوان جمعیتى براى هر تولید G در طول فرایند مینیمم سازى NP تغییر نمى­کند. جمعیت بردار اولیه به صورت تصادفى انتخاب مى­شود و باید تمام فضاى جستجو را پوشش دهد. به عنوان یک قانون، ما از توزیع احتمالى یکنواخت براى تمام انتخاب­هاى تصادفى استفاده خواهیم کرد مگر اینکه حالت دیگرى ذکر گردد. در حالتی که یک راه حل مقدماتى در دسترس است، جمعیت اولیه با اضافه کردن انحرافات تصادفى توزیع شده به راه حل   تولید مى­شود. DE بردارهاى پارامترى جدیدى را با اضافه کردن اختلاف وزن بین دو بردار جمعیتى به یک بردار سوم تولید مى­کند که این عملکرد جهش نام دارد. پارامترهاى بردار جهش یافته با پارامترهاى بردار از پیش تعیین شده دیگرى ترکیب مى­شود تا بردار هدف، یا بردار آزمایش را بسازد. ترکیب پارامترها به عنوان “ادغام” در DE یاد مى­شود، اگر بردار آزمایش مقدار تابع هزینه پایین­ترى نسبت به بردار هدف بدهد، بردار آزمایش در تولید جارى جایگزین بردار هدف مى­شود. عملگر آخر “انتخاب” نامیده مى­شود. هر بردار جمعیت باید یکبار به عنوان بردار هدف بکار گرفته شود بطوریکه به تعداد NP رقابت در یک تولید اتفاق مى­افتد.
استراتژى اساسى DE مى تواند به شکل زیر توصیف گردد:
۳-۳-۲-۳-۱ جهش
عملگر جهش یک بردار آزمایشى براى هر راه حل (والد) اصلى با جهش دادن یک بردار هدف و یک تفاضل وزن دار بین دیگر والدها که به صورت احتمالاتى انتخاب مى­شود تولید مى­گردد. لذا براى هر بردار هدف، یک بردار جهش یافته طبق زیر تولید مى­شود:

(۳-۱۰)

با اندیسهاى تصادفى  اختلاف تقابلى و   اعداد انتخاب شده تصادفى   باید متفاوت از اندیس جارى   انتخاب شود از این رو NP باید بزرگتر یا مساوى چهار باشد تا این شرط برقرار باشد. F یک مقدار حقیقى و فاکتور ثابتى مى­باشد که بزرگى اختلاف تفاضلى   و میزان تغییر تفاضل را بین جمعیت کنترل مى­کند. شکل شماره ٣-۶ یک مثال دو بعدى را نشان مى­دهد که بردارهاى تفاضلى را توصیف مى­کند که در تولید   اتفاق مى­افتد.

شکل۳-۶: مثالی از یک تابع هزینه دو بعدی برای تولید

۳-۳-۲-۳-۲ ادغام
به منظور افزایش تنوع بردارهاى پارامترى تغییر یافته، ادغام معرفى مى شود. براى این منظور بردار آزمایش

(۳-۱۱)

ایجاد مى شود که

(۳-۱۲)

در (٣-۱۱)،  ،  امین ارزیابى از یک تولیدکننده عدد تصادفى یکنواخت با خروجى در بازه [۰،۱] مى­باشد.  ثابت ادغام در بازه [۰،۱] مى­باشد که باید توسط کاربر تعیین گردد.  اندیس انتخابى تصادفى متعلق به   مى­باشد که اطمینان مى­دهد  حداقل یک پارامتر از   مى­گیرد. شکل ٣-۷ مثالى از یک مکانیزم ادغام براى بردارهاى۷ بعدى را نشان مى­دهد.
۳-۳-۲-۳-۳ انتخاب
براى تصمیم گیرى در مورد اینکه راه حل جدید عضوى از  خواهد بود یا نه، بردار آزمایش  با بهره گرفتن از معیار حریصانه با تابع هدف  مقایسه مى­شود. اگر بردار  مقدار تابع هدف کوچکترى نسبت به  بدهد آنگاه  به  تبدیل مى­شود در غیر این صورت مقدار قبلى  نگهدارى مى­شود. در شکل ۳-۸ روند کلی یک الگوریتم تکامل تفاضلی نشان داده شده است.