工程实践中存在大量问题需要确定不止一个全局或局部最优解,如数据聚类、除冰机位分配问题及机械和电气设计等,这类需要确定多个最优解的优化问题被称为多模态优化问题,研究如何有效求解多模态优化问题具有实际意义。多模态优化问题分为连续和离散两类,求解连续问题需要算法在保证求解精度的情况下能够同时定位所有最优解,而求解离散问题则更侧重于算法收敛性。小生境进化算法通过维持多个子种群共同进化,具有同时定位多个最优解的能力。在连续多模态优化问题中,如何平衡算法收敛性与多样性是一个有待解决的问题;对于离散多模态优化问题,现有方法在高维问题上收敛性存在一定不足。本文在小生境进化算法框架下,分别研究连续与离散多模态优化问题的求解方法,并将提出的离散多模态优化算法应用到机场除冰机位分配问题中。主要研究内容和成果如下:针对连续多模态优化问题,提出了一种二相小生境差分进化（TPNDE）算法。在此算法中,设计了双重突变策略来增加种群的多样性,适应度差的个体选择探索性突变策略,适应度好的个体选择开发性突变策略。对于孤立解精度较差的问题,提出了分布调整局部搜索算法,调整解在种群中的分布情况,减少孤立解数量。将TPNDE与DR-JADE等五种先进的算法在20个测试问题上进行了对比,TPNDE的求解成功率以及最优解比例最高,分别达到了93.90%与99.35%。针对离散多模态优化问题,提出了一种离散小生境差分进化（DNDE）算法。在该算法中,针对离散域,设计了一种基于差异度的小生境分组策略。为了解决差分进化算法不能直接应用于离散域这一问题,设计了离散差分进化算法,算法在低维问题上有很好的收敛性。对于算法在高维离散域上收敛性不足的问题,提出了一种邻域局部搜索策略,提升了算法收敛性。在15个多解旅行商问题（MSTSPs）上,将DNDE算法与NMA等五种离散多模态优化方法进行了实验对比,DNDE算法在14个MSTSPs上取得的结果优于其他五种算法。将提出的离散多模态优化方法应用到了机场除冰机位分配问题中。对除冰机位分配问题进行了建模,使用离散小生境差分进化算法求解模型。针对除冰机位分配问题中的约束条件,对DNDE算法求得的解进行可行性检测。以乌鲁木齐国际机场两周的航班数据作为实验数据,与三种离散多模态优化方法进行了实验对比。实验结果表明DNDE在其中12天的平均延误数量及IGD指标上表现最优。