多目标优化问题广泛存在于科学研究和工程实践中,不存在唯一最优解,其解是一组帕累托解的集合。基于种群进化的启发式搜索算法由于一次运行可以同时得到多个帕累托解,已经成为当今解决多目标优化问题的主要手段。这类算法求解的关键是保证种群中的个体尽可能均匀地收敛于真实的帕累托前沿。因此,有效的种群进化机制和多样性维护策略是该类算法研究的重点和难点。菌群算法作为一种新兴的基于种群进化的启发式搜索算法,近年来在多目标优化问题上有了初步的探索,但是仍缺乏对其种群进化机制的深入研究。网格策略作为一种已有的个体多样性维护策略,通过个体所在网格的个体数量来衡量个体密度,在个体多样性维护上有天然的优势,但是现有的网格策略在刻画个体的多样性方面还不够精细。为了深入挖掘菌群算法的种群进化机制和网格的多样性维护策略,本文开展了如下两个工作:(1)针对低维多目标优化问题,提出了基于自适应双重网格策略的多目标菌群算法(Multiobjective bacterial foraging optimization with an adaptive dual grid strategy,MOBFO-ADG),该算法利用趋向、接合、繁殖和迁徙四个生物机制进行个体解的寻优,引导个体解不断地逼近真实帕累托前沿,并采用自适应双重网格策略维护个体解的多样性。具体来说,该多样性维护策略首先对目标空间进行粗粒度网格划分,然后对拥有最大拥挤度的粗粒度网格进行细粒度划分来更精确地衡量个体所在位置的密度。与多个优秀算法在多个测试问题上的实验对比表明,该算法在大多数测试问题上都能够更加均匀地收敛于真实帕累托前沿。(2)针对高维多目标优化问题,提出了基于共识驱动趋向机制和正交网格策略的高维多目标菌群算法(Many-objective bacterial foraging optimization using consensus-driven chemotaxis and orthogonal grid strategies,Ma BFO-CCOG)。该算法利用共识驱动趋向、接合和迁徙机制进行个体解的寻优,并采用正交网格策略维护个体解的多样性。其中,共识驱动趋向机制利用优秀个体确定的共识方向引导个体向真实帕累托前沿不断逼近,合理利用了精英解的信息,提升了算法的收敛性能;正交网格策略动态扩展超体,在高维空间中综合考虑超体周围区域的个体密度,准确判断种群中个体的分布情况,提高了种群的多样性。与多个先进算法在多个高维测试问题上的实验对比表明,该算法在大多数高维多目标测试问题上都能够较好地收敛于真实的帕累托前沿,且解的分布较均匀。本文的研究工作,通过深入挖掘菌群算法和网格策略在多目标优化问题中的求解潜力,丰富了它们的理论框架,同时也为多目标优化问题的求解提供了新手段,因此,具有重要的理论意义和应用价值。