进化优化算法作为一种启发式的搜索算法，已经得到了广泛的应用，而面向多目标优化的进化算法也成为最近在优化方面的热点，本文在深入查阅国内外文献的基础上，对进化优化算法的研究现状特别是21世纪这几年的最新发展，包括进化优化的新算法、热点应用领域和进化优化算法的理论研究进展等，有了较完整而系统综述。对进化优化算法的设计创新和当前设计创新的困难及问题提出自己的见解，以此指导进化优化算法的改进创新，提出了两种改进的进化优化算法：基于进步数的变异遗传算法和量子遗传微粒群算法。基于进步数的变异遗传算法能很好的抑制种群的早熟，由于采用了自适应的策略，有不要求用户设置太多的参数的优点，由于有良好的变异策略，对约束问题能很好的匹配，优化的实验结果能达到现今最好的水平；量子遗传微粒群算法则将两种高效率的计算智能糅合，新算法无论对单目标还是多目标都适应，而且这种算法为微粒群算法解决离散优化问题提供了一个崭新的途径，用实验证明了这种算法具有多样性良好、智能性学习和收敛速度快的优点。对多目标的基本概念、历史发展过程中的典型算法、典型算法的优缺点和评价算法性能的标准做了详细的介绍。并将提出的两种改进的进化优化算法用于多目标优化，取得很好的效果。最后将一个实际问题——精确测量中的边缘检测——转化成一个多目标问题，并用基于进步数的变异遗传算法优化这个多目标问题，达到了精确测量的要求。