常规DCD(dynamic canonical descent)算法具有全局优化能力且无需考虑目标函数的可微性,只要预先定义优化空间即可,但是该算法的收敛速度有限,为此提出了变参数DCD算法,并建立了其相应的算法迭代格式。在数值试验和工程应用中将该变参数DCD算法与常规的DCD算法进行比较,其结果均表明:变参数DCD算法在全局优化能力和收敛速度上找到了一个均衡点,该算法不仅具有DCD算法的全局优化能力,而且收敛时所需的目标函数评估次数少,在优化过程中该算法展示出了稳定性强且优化结果可靠度高的一面。