进化算法是一类模仿生物自然选择与自然进化的随机搜索算法,因其具用很强的全局优化能力而得到了广泛地应用。近年来,利用进化算法求解多目标优化问题成为进化领域的一个研究热点。并且对于较少目标的优化问题,进化算法充分展现了它的优势。然而,在实际应用中遇到的优化问题经常涉及到很多个目标(至少四个)。在这种情况下,高维多目标进化算法应运而生。但是,相比多目标进化算法,高维多目标进化算法的主要难点是随着目标个数的增加,非支配解的个数急剧增加。这样就会导致基于Pareto排序的多目标进化算选择压力减小,收敛速度减慢甚至无法收敛到Pareto前沿。针对这个难点,本文研究了高维多目标进化算法及其排序方法,提出改进的有效序值排序方法,并通过适当地调整将其应用到护士排班问题上。本文的具体工作如下:1.系统地介绍了进化算法和高维多目标进化算法的国内外研究现状,重点介绍了高维多目标进化算法中的难点以及研究者为了解决这些难点而提出的方法。2.提出改进的有效序值高维多目标进化算法。该算法首先提出基于改进的?-占优有效序值排序算法,该算法能够减小非支配解集的规模,提高算法的收敛速度;接着提出一种超体积拥挤度计算方式,主要用来计算目标空间中点的拥挤度;然后采用超球体极坐标搜索算法,该算法在目标空间的边界和稀疏区域均匀产生一些点,目的是提高种群的多样性;最后提出一种新的算子:多边形杂交算子,目的是保证种群的多样性。实验通过对4到8个目标的DTLZ1、DTLZ2、DTLZ3和DTLZ4优化函数的测试,最终得出的结果表明本文提出的算法的收敛性要优于NSGA-II算法和Preference Order Genetic Algorithm(POGA)算法的收敛性。3.提出用多目标进化算法来解决护士排班问题。该算法主要是将护士排班问题中比较重要的约束条件作为目标,其他约束条件采用平均加权的方式构成另一个目标,从而建立多目标优化问题的数学模型,最后用多目标进化算法处理该问题,为护士排班问题提供一种新的思路。该算法与其他算法的不同之处在于每次能够求得一个最优解集,让决策者根据自己的需求从中选出合适的解。