多目标优化问题在当今社会生产生活中具有重要研究价值,进化算法则是处理该问题的高效算法之一。多目标进化算法根据达尔文生物进化思想演化而来,在引入了多种机制后,目前正被各国学者广泛研究且成果显著,正处于高速发展阶段。其中,基于Pareto支配的多目标进化算法是近些年研究的热点之一,算法整体性能较好。然而在基于Pareto支配的多目标进化算法中,由于目标数量的增加以及种群基数的增大,大量的解获得了相同的优先级,相同优先级的解在环境选择时难以区分,使算法的选择难度增大,对算法的性能和效率造成了阻碍。同时,基于Pareto支配的多目标进化算法常常使用排序选择法进行环境选择步骤,而该方法的思想有利于提高非劣解收敛速度,却难以保护种群基因的多样,无法平衡收敛与多样性并进行提升。为了解决以上问题,本文做出以下几点创新及工作:(1)改进排序法,提出一种综合评分参数作为排序法的第二选择标准;(2)在基于Pareto支配的多目标进化算法中使用改进后的排序法,在使用第二选择标准的基础上同时改进环境选择策略,提出一种新的算法。对新算法进行大量横、纵向对比实验,验证了该算法的优秀性能;(3)基于偏好机制提出了一种手动调节参数——收敛比例,通过决策者对实际问题的需要调整该参数可以提升算法的性能;(4)在近年热点算法中引用收敛比例,对改进后的算法进行实验,验证了该参数能够提高算法的整体性能。可以概括为本文研究了基于Pareto支配的多目标优化算法,在分析相关算法的基础上提出了基于综合评分和基于收敛比例的两种改进的多目标优化算法,并通过实验与其他多种算法进行了比较,证明了本文算法的有效性。