在实际应用中,因为主客观因素的影响,优化问题中常常存在不确定性,区间多目标优化问题就是非常重要的一类不确定优化问题,这类优化问题不仅包含多个相互冲突的目标,并且目标函数值为区间数,再加上部分区间多目标优化问题的精确函数表达式难以获得,使得优化问题的求解难度增加,我们将这类问题总结为“优化函数未知的区间多目标优化问题”。针对这类优化问题,本文将云模型和数据挖掘的思想引入到NSGA-II算法中,主要研究内容如下:对于优化函数已知的优化问题,利用云模型对NSGA-II算法进行改进,提出一种非支配排序云模型算法。首先,从初始云团中随机选取一个云滴作为父代,通过正态云算子生成子代云滴,用来替代传统NSGA-II遗传操作中的交叉和变异;其次,用约束条件对生成的云滴进行筛选处理,避免不可行解进入下一步算法;最后,运用区间占优关系对满足约束条件的解进行占优排序,对无法比较的同序值解计算拥挤距离。对于优化函数未知的优化问题,本文提出了一种融合高斯建模和近邻法求解种群个体支配关系的NSGA-II算法。首先,该算法通过高斯过程对训练样本集进行建模,利用遗传算法对代理模型进行超参数求解,进而通过高斯代理模型得到待测解之间的可能度概率;其次,利用近邻法对待测解和样本解进行相似性计算,得到待测解之间的可能度概率;最后,通过渐消记忆动态调整高斯过程和近邻法所得支配性结果在算法中所占的比重,得到种群个体之间的支配关系,实现对NSGA-II算法的改进。