El algoritmo de evolución diferencial de doble población (DDE) es una técnica de optimización que mantiene simultáneamente dos poblaciones para equilibrar la búsqueda global y local. Se ha demostrado que supera a los algoritmos de evolución diferencial de población única. Sin embargo, las mejoras existentes a los algoritmos de evolución diferencial de doble población a menudo pasan por alto la importancia de seleccionar operadores de mutación y selección apropiados para mejorar el rendimiento del algoritmo. En este documento, proponemos un algoritmo de evolución diferencial de doble población (DPDE) basado en una estrategia jerárquica de mutación y selección. Dividimos la población en subpoblaciones elite y normales basadas en los valores de aptitud. El intercambio de información entre las dos subpoblaciones se facilitó mediante una estrategia jerárquica de mutación, promoviendo un equilibrio entre la exploración y la explotación en el algoritmo. Además, este documento presenta una nueva estrategia de selección jerárquica destinada a mejorar la capacidad de la población para evitar óptimos locales. Esto se logra aceptando vectores de prueba descartados de manera diferente en comparación con métodos anteriores. Esperamos que las estrategias de selección y mutación jerárquicas recién introducidas funcionen en sinergia, aprovechando efectivamente su potencial para mejorar el rendimiento del algoritmo. Se realizaron experimentos extensos en los conjuntos de pruebas CEC 2017 y CEC 2011. Los resultados mostraron que el algoritmo DPDE ofrece un rendimiento competitivo, comparable a seis algoritmos de evolución diferencial de última generación.