多目标问题普遍存在于实际生产问题的各个环节中,选择合适的求解方法是研究并求解该类问题的关键。求解该类问题最终所得的是一组Pareto最优解集,因此多目标优化问题及其求解方法具有重要的研究价值和实际意义。进化算法由于其计算速度快,求解精度高,在求解多目标问题具有很强的优势。近年来,在针对多目标进化算法的研究上,一般采用基于Pareto支配的多目标进化算法来求解该类问题。然而此类算法中非支配解的比例随着目标数量不断攀升,导致算法性能退化。而基于分解的多目标进化算法不受到Pareto支配的影响,它将难优化的多目标问题分解成易优化的单目标问题进行求解,相对于原始的基于Pareto支配的多目标进化算法具有很强的优势。因此,该算法一经提出便受到广泛关注。其算法性能虽然相较于传统基于Pareto支配关系的多目标进化算法有了很大提升,但是该算法采用固定的邻域规模,为每个子问题均分配相同的计算资源,由于每个子问题的复杂度不同,优化的难易程度不同,因此为每个子问题分配相同大小的邻域造成算法的计算资源分配不合理是制约该算法性能的重要因素之一。本文从资源优化配置方面出发,提出基于邻域自适应调整策略的分解多目标进化算法。该策略通过差异参数β,调整不同进化代数时相同子问题的邻域规模,通过夹角θ,调整相同进化代数时不同子问题的邻域规模,通过将有限的算法资源进行有效分配,使算法的收敛性和多样性得以平衡,提高算法的求解能力和解集的整体质量。最后,本文将所提出的算法应用于实际的绿色供应链伙伴选择问题,给决策者在遴选合作伙伴的问题上提供更多更优的方案,为求解具有实际物流背景的复杂多目标优化问题提供新的解决思路和方法。