本文针对多目标优化问题进行研究。进化算法在解决多目标优化问题上克服了传统算法中计算复杂、求解不精确以及不易操作等问题。NSGA-II算法作为进化算法求解多目标优化问题的典范代表，因其计算复杂度低、结果精确和种群多样性等特点而得到广泛使用和研究。从课题研究意义出发，阐述了进化算法和指派问题的研究背景和现状，介绍了一些常用的多目标遗传算法，其中以NSGA-II算法最为广泛。然后，从多样性、算法效率和局部最优系统等方面分析了NSGA-II算法的优点和不足之处。同时从种群多样性和搜索局部更精确的解方面提出了改进的优化算法。利用高斯分布具有良好的局部集中性和均匀的整体变动性，对交叉算子参数进行改进，使得大部分交叉算子还是稳定在一定的区域内，却增加了更广阔的搜索变异空间。本文采用的泊松变异既能保留快速局部逃逸的优点又能进行更精确的局部搜索。用多个不同类型的测试函数进行验证，对比结果表明改进后的算法比以往算法具有较好的种群多样性和精确搜索能力。随后，将算法应用到不确定性指派问题的解决中。将效用矩阵为模糊信息矩阵的指派问题转化为求其预期的指派问题，并建立不确定信息的预期多目标指派模型，然后对模糊数的期望采用可信性理论进行处理，使用改进NSGA-II算法对具体算例进行求解。最后，归纳总结了全文，指出现在所做工作的优点和不足。