Las simulaciones estocásticas se utilizan a menudo para determinar las tasas de cruce y el tamaño del paso de los algoritmos evolutivos para evitar el proceso de ajuste, pero no pueden aprovechar completamente la información del proceso evolutivo. Se propone en este artículo un algoritmo evolutivo diferencial adaptativo de dos etapas (APDE) basado en una población acompañante, con estrategias de mutación únicas y parámetros adaptativos que se ajustan a las características de búsqueda. La capacidad de exploración global puede ser mejorada por la población acompañante para lograr un equilibrio entre la exploración global y la búsqueda local. Este algoritmo ha demostrado ser convergente con una probabilidad de 1 utilizando la teoría de las cadenas de Markov. En experimentos numéricos, el APDE se compara estadísticamente con nueve algoritmos de comparación utilizando el conjunto estándar de funciones de prueba CEC2005 y CEC2017, y los resultados muestran que el APDE es estadísticamente superior a los métodos de comparación.