现实世界中存在许多的多目标优化问题,即需要同时对多个相互冲突的目标进行优化。多目标优化问题存在一组表示目标间权衡信息的解的集合。进化算法是一类通过模拟自然界生物进化过程而建立起来的智能优化算法。比起传统的确定性算法,进化算法在解决复杂的NP难问题更具有优势。本文主要从多目标进化算法的最新研究成果出发,提出了一种基于外部集指导的自适应多目标进化算法,用来求解多目标优化问题。具体来说,本文的研究工作包含以下几个部分:1、对已有的多目标进化算法进行分类、分析和比较,重点阐述了基于分解的和基于非支配排序的多目标进化算法,分析它们的工作机制以及优缺点。2、提出了一种基于外部集的混合多目标进化算法的新框架。将框架采用了两个集合:一个为工作集,另一个为外部集。并将基于分解的和非支配排序的进化算法分别作用于两个集合。比较实验显示了该混合算法比单一使用算法具有更好的性能。3、本文进一步提出了一种基于外部集指引的自适应多目标进化算法,即通过外部集中获取的信息反馈给工作集,用于指引工作集的搜索方向。算法具有两个集合,其中,工作集保证了搜索的收敛性以及多样性;而外部集自适应地指导着计算资源合理有效地分配到每一个子问题,从而进一步提高算法的效率。本文将提出的自适应混合算法应用于标准测试问题中;与其它的多目标进化算法的对比实验表明,提出的算法具有更好的性能。同时,本文对算法的各个组成部分的作用也进行了实验分析和比较。