停机位作为机场中极其稀缺和昂贵的重要资源,是实现航班快速安全停靠,保证航班之间有效衔接,提高整个机场系统容量和服务效率的一个关键因素。但随着国民经济的快速发展,停机位分配问题呈现出高维、多目标、多约束等复杂特征,致使传统优化算法已很难求解,以及求解效率不高等问题。因此,寻求高效、稳健的新智能优化算法来求解停机位分配问题,不仅具有重要的理论意义,还具有广泛的应用前景。协同进化算法是在进化过程中考虑子种群间相互作用的一类新进化算法,强调存在不同子种群,以及子种群间存在的交互关系,不同子种群相互作用和相互影响,共同进化。该类算法具有种群分散性好、全局寻优能力强且易于与其它方法融合的特点,但其框架和理论还不完善,表现出收敛缓慢、复杂度高、搜索能力弱等缺陷。因此,针对协同进化算法存在的问题,引入量子进化算法,开展改进量子协同进化算法及其在停机位分配中的应用研究。主要研究工程包括以下几部分:首先,针对多目标优化问题收敛性和均匀性难以平衡的问题,利用合作型协同进化算法全局搜索能力强的特点,提出多策略竞争合作型协同进化算法（Multi-strategy competitive-cooperative co-evolutionary algorithm,MSCOEA）,即设计一种自适应随机竞争策略提高算法的局部搜索能力;提出一种邻域交叉策略,提高算法的收敛速度;采用三类多目标优化问题对算法性能进行了验证,实验结果表明,MSCOEA能够有效平衡收敛性和均匀性,对多种类型的多目标优化问题都有稳定的表现。其次,对于传统的染色体编码方式存在的时间复杂度较高的问题,利用量子进化算法能够降低算法时间复杂度的特点,提出一种结合协同进化策略的量子合作型协同进化算法（Improved quantum-inspired cooperative co-evolutionary algorithm with multi-strategy,MSQCCEA）,实现一种新的停机位分配方法。为验证MSQCCEA算法的优化能力,选用背包问题和实际机场运营数据来验证算法的优化性能。实验结果表明,MSQCCEA具有很好的收敛速度和收敛精度,并且所提出的停机位分配优化方法能够对停机位进行合理有效的分配。最后,针对大规模多目标停机位分配问题,从机场实际运营情况出发,对机场和旅客的利益进行综合考虑,建立停机位分配多目标模型;针对大规模停机位分配多目标优化问题求解难的问题,提出一种混合型量子合作型协同进化算法（Mixture quantum multi-objective cooperative co-evolutionary algorithm based on cluster,MQMOCCEA-C）,选用多目标背包问题和多个机场运营数据来验证MQMOCCEA-C的有效性和实用性。实验结果表明,MQMOCCEA-C是一种求解大规模多目标组合优化问题的有效算法,能够为复杂大规模多目标停机位分配提供有价值的参考。