多目标优化问题一直是决策科学中的难点和热点问题,在遗传算法被应用于多目标优化问题以前,已经产生了许多传统的经典方法,这些传统方法在解决多目标优化问题时存在许多问题。遗传算法具有处理大问题空间的能力,并可以得到多个最优解,对问题的先验知识没有要求,这些是传统算法所不具备的。然而,遗传算法解决问题时,未成熟收敛和收敛速度慢一直是不可调和的矛盾,因此在解决高维数,多模态等复杂多目标优化问题时存在不足。协同进化算法是20世纪90年代兴起的一种进化算法,能够很好的解决未成熟收敛和收敛速度慢的矛盾,因此应用协同进化算法解决多目标优化问题,是这一领域发展的趋势。本文在广泛深入地查阅文献的基础上,对协同进化和多目标优化问题进行了深入的研究和分析,主要内容如下:对多目标优化问题进行了简单的回顾,并简单介绍了传统解决多目标优化问题的方法,同时指出了这些传统方法存在的问题,简单回顾了遗传算法的产生与发展,并对遗传算法的基础知识和理论进行了详细介绍。评述了传统遗传算法解决多目标优化问题的方法,对这些算法作了简单的评价和比较,并提出这些传统遗传算法对其他算法的启示。分析了协同进化算法的产生与发展,及合作型和竞争型协同进化算法的思想。给出了合作型和竞争型两种协同进化算法解决多目标优化问题,并且根据算法运行过程中出现的问题,提出了相应的改进策略。使用两种协同进化算法和MOGA算法,对6个测试函数进行了测试,并从两个指标上对算法性能进行了比较,实验结果表明,协同进化算法较传统的遗传算法有更好的搜索能力。