科学研究与工程实践中常常出现一些多目标优化问题,进化算法已被证明是解决多目标优化问题的有效方法。但多目标进化算法也存在着易早熟,局部收敛性较慢及分布性和均匀性不佳等问题。协同进化多目标进化算法是近年来提出的新型多目标进化算法。协同进化多目标进化算法基于一个或多个种群同时进化,与传统多目标进化算法相比,它能在一定程度上避免早熟,提高局部收敛性。不过,基本协同进化多目标进化算法并不能明显提高多目标进化算法的全局收敛性,解的分布性和均匀性也不太理想。本文对基本协同进化多目标进化算法进行了改进研究,并将改进算法应用于车间调度问题,具体工作如下：1.简要介绍了多目标进化算法、协同进化多目标进化算法的研究历程、研究现状、基本原理、算法流程和典型算法。2.给出了一种基于聚集密度的协同进化多目标进化算法,其基本思想是：首先计算种群中各个个体的聚集密度,然后给出偏序集,再根据一定的比例按顺序从偏序集中选出个体更新P。数值试验和量化指标表明,改进算法改善了解的分布性和均匀性。3.提出了一种自适应协同进化多目标进化算法,具体做法是：根据目标函数的变化率自动调用协同进化算子；当种群进化正常时,调用合作算子和吞并算子；当种群进化接近停滞时,调用分裂算子。数值实验结果和性能指标显示,新算法在一定程度上提高了算法的全局收敛性。4.将改进的协同进化多目标进化算法应用于车辆调度问题,仿真实验结果验证了改进算法的性能和实用性。