旅行商问题是最经典的离散优化问题之一,多目标旅行商问题则是对旅行商问题的拓展。许多实际问题可以抽象成多目标旅行商问题,因此该问题具有重要的研究价值。本文围绕多目标旅行商问题展开研究,主要研究内容包括：(1)首先提出了利用先验信息来提高个体进化质量的策略,并利用对LK算法的改进来验证该策略,实验证明该策略确实可以提高个体进化的质量。(2)其次,在前面的基础上,提出了一种基于分解的分布评估算法MEDA/D,该算法结合了MOEA/D和分布评估模型来求解多目标旅行商问题。MEDA/D算法将一个多目标旅行商问题分解成多个单目标子问题,并利用先验信息和后验信息为每一个子问题建立一个概率模型用于在子问题中采样新个体。实验结果证明,该算法比BicriterionAnt算法具有更好的性能,同时对参数也不敏感。(3)最后提出了一种构造多目标旅行商问题测试题的方案,该方案的特点是可以控制多目标旅行商问题各个目标之间的冲突程度,以利于多目标旅行商问题的研究和结果的分析。