动态多目标优化问题(DMOP)做为一种基础性优化问题在科学研究与工程实践中普遍存在且应用前景广泛,解决其中的核心难题,对推进该领域的发展与应用有着重要的科学与工程意义。目前,大多数动态多目标问题的求解方法(DMOEA)都是采用某些以增加算法搜索的随机性、降低收敛速度为代价的辅助策略来改进在一些成功的静态多目标优化进化算法来应对问题变化的,但是这些改进策略大多并没有针对不同问题的特性进行相应的算法改进,因此难以取得满意的优化性能。针对动态多目标优化问题的特点,本文提出了一种新的基于预测模型的动态多目标优化算法,利用启发式知识设计新的预测模型,以解决动态多目标优化问题,并应用该方法解决云计算任务调度中的优化问题。本文围绕基于预测模型的动态多目标优化算法展开,主要内容包括:首先,综述了动态多目标优化问题及目前已有的求解方法,并且介绍了函数插值的有关理论,建立基于预测模型的动态多目标优化算法的基本概念,并阐述了需要针对不同问题设计不同的预测模型的原因,指出预测的合理性问题;其次,在研究一般动态多目标问题和预测模型的基础上,提出了一种基于新预测模型(CSPM)的动态多目标进化算法。此算法的在多目标领域的经典算法(NSGA-II)基础上,结合三次样条插值函数法,设计了一种针对该问题的新预测模型,并通过实验证明具有不错的广泛性与收敛性。最后,在此算法的基础上设计了一种云计算网络的虚拟机调度方法,通过监控、计算虚拟机的使用情况,应对不同的任务求得最优化的分配。