进化算法是一种人工智能技术,该算法主要是通过模拟生物自然选择与进化过程来求解问题,它是建立在达尔文的进化论思想的基础上。因其具有很高的鲁棒性,使其在求解高度复杂的非线性问题中能够得到比较好的有效解。它在处理问题时是将问题的整个参数空间进行编码,从一组节点开始搜索。在搜索过程中,不需要使用求导或者其它方法对目标函数值的信息进行修正。进化算法具有较好的通用性,高度的非线性性,并行性等特点,使其能够快速有效的求得多目标问题的Pareto最优解。作为一类启发式的搜索算法,进化算法已经被成功应用在了多目标优化领域。进化多目标优化(EMO)正在发展成为当前一个相对较热的研究方向。本文对多目标进化算法中的Pareto排序方法进行了研究与改进,提出了一种基于非线性选择的多目标进化算法的思想。数值分析和实验表明：改进后的新算法对多目标优化的解具有更好的分布性和选取的质量,而且提高了算法的运行速度。将新算法应用于车辆路径问题中,新算法的优越性得到验证。本文主要做了以下几个方面的工作：1.简要介绍了多目标优化问题的产生背景及研究意义,介绍了多目标进化算法的研究现状。2.简要介绍了多目标优化问题、进化算法的基本概念,介绍了多目标进化算法最优解集的构造、解的分布性以及评价标准。3.简要介绍了求解多目标进化算法中线性选择方法的缺陷,提出了基于非线性选择的方法,通过实验以及数据说明了算法的有效性。4.将改进的基于非线性选择的多目标进化算法应用于车辆路径问题中,根据数值分析与实验证明改进算法的优越性。