近年来，随着我国经济发展进入新常态，经济发展的总量规模和复杂程度均空前增大，政府管理调控经济的要求越来越高，传统的管理理念、方法和工具难以适应新形势需要。因此，利用计算机科学技术充分考虑各行业之间的关联性，探求新常态下经济运行新规律，可以为推动政府治理精准化提供新的技术支撑。在以往的研究中，大多是通过统计学和计量经济学的方法作为宏观经济决策研究的理论基础，本研究立足于分析各宏观经济指标间的关联性，建立预测模型预测各宏观经济指标的走势，并且根据各个经济指标间的关联关系构建多目标优化问题，通过多目标优化算法得到优化数据为政府决策提供依据。在研究过程中致力于解决经济指标数据样本少且样本特征维度高导致预测过拟合问题和如何平衡高维多目标优化问题中解集的收敛性和多样性的问题。针对上述问题提出了新的预测模型和多目标优化方法，论文的主要研究内容如下：
　　1）提出了基于偏最小二乘和核方法的经济指标预测模型，用以解决经济指标数据样本少且样本特征维度高导致过拟合问题。在该预测模型中，首先结合独立成分分析和偏最小二乘法来提取具有更丰富信息的低维度的特征来解决样本特征维度较高的问题，然后利用支持向量回归模型中核函数到最后结果是线性组合的特性构建虚拟样本解决样本不足而导致的信息缺失问题，使用支持向量回归模型对宏观经济指标的发展趋势进行预测。最后根据宏观经济指标间的线性回归关系式对宏观经济指标的预测值进行调整，得到最后的指标预测值。该预测模型对样本少导致的过拟合问题起到了良好的作用。
　　2）在优化空间分解的前提下，基于拐点和中心点提出了自适应子代生成策略以及基于夹角、拐点和强支配关系，提出自适应的解集选择策略平衡多目标优化算法的收敛性和多样性。自适应子代生成策略是通过寻找局部最优解与中心点结合来预测部分较优解，并根据当前父代解集的多样性来选择不同的子集生成方法；强支配排序是对同一帕累托支配层中的解根据夹角和解距离预期目标解的欧式距离进行二次排序的方法，该方法确保了多目标优化算法的收敛性，并衡量已选择的解集的收敛性和多样性来判断是否使用基于夹角和拐点的解集选择方法进行二次选择平衡解集的收敛性和多样性。
　　最后，根据政府公布的年度规划预期目标值从多目标优化得到的非支配集中选取最合适的一组解，并将其与预测模型得到的预测解集进行对比为政府决策提供支持。