随着计算机产业的快速发展,通讯技术的日新月异,软件的规模随着人们的需求增加而增大,开发迭代速度也在市场竞争的驱动下越来越快,针对基于搜索的软件工程问题的研究也在蓬勃发展。如何快速决定下一次软件开发的内容以及如何解决开发中的需求关系、资源调动、成本制约、利润扩大等问题成为亟需研究的课题。当前解决这类基于搜索的软件工程问题的方法主要分为精确性求解以及启发式求解。前者的求解效果很好,但随着规模的扩大求解效率会降低;后者能够一定程度上避免规模增大效率降低的问题,但在求解质量上存在不足。基于上述情况,本文通过减少冗余搜索的方式提出了改进的多目标精确性求解算法,同时引入了基于采样的精确性求解算法。二者原理上均为通过减少求解次数改进求解效率。而对于更加复杂的基于搜索的软件工程问题,其繁多的约束同时限制了精确性算法和启发式算法的求解。因此本文提出了两类量子退火算法解决基于搜索的软件工程问题,利用量子特性提高求解效率。针对不同形式的问题,本文使用了不同的数据集进行实验,通过原理分析与结果对照验证了所提算法的优越性。本文的主要贡献总结如下:1.本文提出了基于解集更新的目标约束算法,减少在各个被归约目标上的搜索边界更新的求解次数,使得在本文研究的软件工程多目标优化问题上,求解次数减少、算法速度提高。而且算法保证了解集与改进前算法求得解集一致。此外,本文引入了基于采样的精确性求解算法,它将归约目标上的边界更新改为多维解空间内的采样并优化,使得算法可以根据给定的解集数量,求解出足够多且分布均匀的解集。我们使用不同建模下若干数据集对新提出的算法进行了实验,利用多种指标评估了算法求解效果并与多目标遗传算法对照,得出了所提算法在求解效率和质量上的表现优异的结论。2.为解决形式更复杂的基于搜索的软件工程问题,本文提出了基于量子退火计算机的量子退火算法,将有约束多目标基于搜索的软件工程问题建模为符合量子退火机硬件拓扑的形式,讨论了软件工程内的多种约束和多目标聚合在该形式上的建模。本文提出基于量子退火的单目标、多目标优化算法,并使用电子计算机经典优化算法模拟退火、遗传算法进行对照试验。通过分析时间与能量的关系以及多种解集评估指标,对本文所提算法进行了特性分析和求解的效率、质量的对比。最后,在相同的条件限制下成功得出了多目标量子退火算法优于遗传算法的结论。