在日常生活与工程应用领域,许多优化问题都涉及到同步优化多个相互冲突的目标,这一类问题就是所谓的多目标优化问题。通常情况下,多目标优化问题的解并不是唯一的最优解,而是由一组能有效平衡各个目标的“折衷”解所组成的集合。由于计算时间及空间的限制,多目标优化器一般很难获取所有的折衷解,而只能得到一组在Pareto前沿上分布最好的解。近年来,多目标优化问题已成为优化及进化计算领域的一个研究热点。本文主要对多目标优化框架下的两个方面进行了深入的探索和研究：第一,理论框架角度,旨在探索和研究非支配集构造方法的时间复杂度；第二,求解算法的设计角度,设计满足多种指标需求的多目标优化算法。具体而言,本文的主要研究工作包括以下内容：(1)针对现有Pareto非支配集构造算法效率不高的问题,本文引入支配关系及支配关系矩阵的概念,并提出了一种删减支配关系矩阵的非支配集构造方法。从理论上证明了该方法的正确性并分析了时间复杂度,仿真实验验证了算法的高效性。(2)在算法设计方面,分析了电体搜索算法的优化机制,并给出了电体搜索算法能与多目标优化的理论框架相结合的理论依据和可行的结合点。(3)本文将电体搜索算法引入到多目标优化中,并提出了一种新的非支配偏好循环排序策略：使用删减支配关系矩阵算法来提高种群分级的效率,使用极大极小拥挤度循环排序方法来筛选精英粒子,从而形成了基于非支配偏好排序的多目标电体搜索算法。仿真实验表明,所提方法优化效率高且性能良好。(4)针对现有的解集质量评价方法一般只能用于对优化的解集进行评价而不能作为选择算子且仅有的Hypervolume指标又存在诸多致命性缺陷的现状,本文提出了一种新的度量指标—Δp贡献指标。该指标不但能评价解集中个体的好坏,同时又能在优化过程中作为选择算子,正好可以与电体搜索算法有机地结合起来,从而提出了基于Δp贡献指标的自适应多目标电体搜索算法。仿真实验表明,该算法具有很高的优化能力并能获得很好的优化效果。