多目标优化问题普遍存在于日常生活中,对其研究具有重要的科研和应用意义。进化算法是一种模拟自然进化过程的随机优化方法,采用群体搜索策略,有很强的全局优化能力,非常适合求解多目标优化问题。目前,基于进化算法的多目标优化方法的研究已成为进化计算领域的一个重点和热点。论文介绍了多目标优化算法的发展概况,进化算法的概念、基本框架和特点,重点介绍和分析了两种经典多目标进化算法,并通过三个多目标函数优化实例进一步验证了算法在快速性、最优解集的分布性和支配性及解决约束问题上的性能。针对算法的快速性和解集的分布性,本文设计了一种基于多样性测度的快速多目标优化算法。该算法将群体进化状态与群体选择及最优解搜索机制相关联,设计了一种基于目标空间极小欧几里得距离的多样性测度NDM,采用双重精英机制和新的保留最小边界的拥挤距离计算方法。将算法应用于6个不同类型的测试函数,验证了算法能有效地加快搜索速度和提高群体多样性。算法在PID优化设计问题上的应用,进一步验证了其解决实际问题的能力和有效性。针对含复杂约束条件的多目标优化问题,提出了一种基于Pareto排序的约束多目标优化算法。该算法采用改进的约束支配准则,模糊区分可行解与不可行解,充分利用不可行解以增强群体分布性。最后在具有代表性的3个测试函数上验证了该算法的有效性。最后对论文的研究内容进行了总结,并对未来的研究工作进行了展望。