约束优化问题是工程和经济管理领域中常见的优化模型,根据目标函数个数,常见的约束优化模型有单目标优化问题和多目标优化问题.约束优化问题的计算难点在于两方面:首先,涉及的函数往往是含有大量极值点且有可能是不可微的;其次,约束域可能很小,可行解不易发现.目前,设计有效的算法求解约束优化问题,一直是最优化算法研究的一个重点领域.本文针对这两类约束优化问题,通过利用启发式信息和约束处理技术,分别设计了求解单目标和多目标约束优化问题的进化算法.对于单目标约束优化问题,基于问题信息和种群分布特点,设计了一种双向信息搜索的遗传算法.首先,通过启发式信息在种群中产生至少一个可行个体.其次,对于每一个杂交父代个体,基于概率分布选择一个可行解和一个目标函数值好的个体,由这三个点的矢量和产生杂交后代.最后,仿真实验及比较结果表明,提出的进化算法是可行有效的.对于多目标约束优化问题,设计了一种新的进化算法.首先,提出了一个基于二分法的约束处理方法.其次,针对多目标非劣解的多样性和收敛性,提出了一种基于代理优化模型的局部搜索方法,使算法找到更多的优质解.最后,将约束处理后的个体和采用代理优化模型得到的个体进行外部存档,周期性地进行非支配排序,获得非劣解.仿真实验演示了算法的有效性.