建筑行业的能源消耗是全球能源消耗的主要组成部分,实施建筑节能设计可在很大程度上改善环境和公众健康状况,降低能源消耗。建筑节能设计考虑的优化目标通常不止一个,而且这些目标之间常相互冲突。多目标进化优化方法可以处理该类问题,但是,现有方法依然存在收敛速度慢、易于局部收敛等不足。更为重要的是,由于需要借助计算代价昂贵的第三方软件来评估个体的适应值,已有的多目标进化优化方法依然存在运行时间长,不能快速为决策者提供解决方案的缺陷。鉴于此,本文在现有工作的基础上,研究面向建筑节能设计的改进多目标进化优化方法。主要内容如下:（1）针对现有成果普遍存在的收敛速度慢,易于局部收敛等不足,提出一种基于分解多目标进化优化的建筑节能设计方法。该方法借助MOEA/D算法的思想,先采用分解策略将问题拆分成多个子优化问题,再利用相邻子问题的信息来更新个体位置,在提高Pareto最优解分布性的同时,能避免种群陷入局部最优;同时,给出一种基于模糊决策技术的折衷解选择策略,帮助决策者从诸多Pareto最优解中选择一个最合适的解决方案。（2）针对传统的建筑节能智能优化算法中计算代价高昂的问题,提出一种多代理模型辅助的MOEA/D算法（记为MS-MOEA/D）。首先,融合MOEA/D算法的分解操作,建立一种基于目标分解的多代理模型构建与管理机制,自主确定需要更新的基础代理模型,有效降低模型更新代价;接着,给出一种基于相邻代理聚合的个体评价机制,提高其预测精度;最后,提出一种融合预测结果的参考点更新方式,用于提高所得Pareto前沿的延展性。（3）为进一步提升代理辅助进化优化算法的效果并降低运行成本,提出一种代理辅助的骨干多目标粒子群优化算法（记为Sa-MOPSO）。为提升填充样本的质量,给出一种新的基于?支配的代理模型管理策略;为减少算法对控制参数的依赖性,引入一种基于代理模型的骨干粒子位置更新。通过将代理模型引入到多目标粒子群优化算法,在提高Pareto最优解质量的同时,提升算法运行速度。将以上的改进算法和建筑能耗仿真软件EnergyPlus结合起来,构建一个基于多目标进化优化的建筑节能设计模拟平台。将这些算法用于处理中国北方多房间居民建筑和单房间办公建筑节能设计问题中,并与已有的代表性方法进行对比,结果表明,其在显著降低计算代价的基础上,它们能够得到高竞争力的Pareto最优解集。该论文有图14幅,表26个,参考文献108篇。