21世纪,社会经济和信息技术快速发展,各个领域中都可以将待决解决问题转化为优化模型(问题)来处理,然而当前还没有成熟的理论方法完全可以解决这些优化模型,因此,优化问题是当今社会上难点问题之一。差分进化算法(Differential evolution algorithm)作为一种较新的优化方法,自提出以来,就以原理简单,鲁棒性强和搜索能力强等优点而得到广泛应用。相比于其他优化算法,原始的差分进化算法在求解复杂优化问题时存在收敛性较差、控制参数难以确定、容易陷入局部最优、单一变异算子难以均衡局部搜索和全局搜索等不足。因此对差分进化算法的研究具有理论价值和应用前景。本文针对差分进化算法控制参数难以确定、单一变异算子难以均衡局部搜索和全局搜索等缺陷,引入小波基函数和最优变异策略,提出一种基于改进控制参数和最优变异策略的自适应差分进化(Adaptive Differential Evolution algorithm based on improved control parameters and optimal Mutation Strategy,简称WMSDE)算法,在WMSDE算法中,采用小波基函数来自适应控制参数F以及正态分布来控制CR,以解决算法控制参数难以确定问题;在选择变异策略时,基于五种变异策略优势互补,提出一种最优变异策略方法,用作差分进化算法的变异策略,解决单一变异算子难以均衡局部搜索和全局搜索这一问题。同时选择11个标准测试函数来验证WMSDE算法的有效性。在基于分解的多目标优化算法(Multi-objective evolutionary algorithm based on decomposition,简称MOEA/D)中,使用简单的遗传算子,可能会导致很多有效解无法被搜索到,鉴于此,将WMSDE算法与MOEA/D算法相结合,提出MOEA/D-WMSDE算法,并用两个系列标准测试函数来验证MOEA/D-WMSDE算法的有效性。最后将WMSDE算法应用在枢纽航班停机位分配的问题中,提出了基于WMSDE算法的机场停机资源位分配方法。通过广州白云机场的实际航班数据,验证了方法的有效性和可行性。同时为了方便优化算法求解停机位分配问题,采用Py Qt5技术,设计并实现了可视化停机位分配系统。