随着实际生产中各类优化问题的规模越来越复杂,对于优化问题的求解难度越来越大。国内外学者开始关注利用启发式算法来对优化问题进行求解。演化算法是一类基于群智能的元启发式算法,因为其普遍适用性与有效性逐渐成为一种应用前景非常广阔的全局优化算法。樽海鞘算法是由Mirjalili等人2017年提出的一种新型演化算法。具有容易实现,控制参数少等特点,被广泛应用于智能电网故障自愈控制研究、增强电力巡检图像、光伏系统等领域。但是,该算法也存在着一定的缺陷。比如樽海鞘算法易陷入局部最优、不可直接将其用于求解离散域上的组合优化问题等。本文提出了一种基于传递函数进行离散化,并在其演化过程中加入追随者个体随机交叉机制的离散樽海鞘算法,记为DSSA,在此基础上添加个体变异机制进行改进,记为MDSSA。利用折扣0-1背包问题和多维背包问题分别对两种算法的寻优能力与鲁棒性进行测试。最后将MDSSA用于求解多电飞机负载管理问题,给出了一种求解该问题的新方法。本文的研究内容如下:1.对樽海鞘算法进行离散化,并在其演化过程中加入追随者个体随机交叉机制,提出了一种新的离散化樽海鞘算法DSSA,并将其运用于求解折扣0-1背包问题上,选择出了最适合求解的传递函数与最佳交叉控制参数,最后与多种算法进行比较,验证了算法的性能。2.在DSSA的基础上,为了增加算法的种群多样性与搜索能力,加入一种新颖的个体变异机制,提出另一种新颖的离散化樽海鞘算法MDSSA,并将其运用于求解多维背包问题,并与其他算法比较验证了性能。3.将MDSSA应用于求解多电飞机负载管理问题,通过实验,与多种算法进行比较,验证利用MDSSA求解多电飞机负载管理问题的有效性与优异性。