现实生活中的许多决策问题需要考虑同时优化若干个相互冲突的目标并且还要满足一定的约束和规则。多目标优化算法的目标是从一切可能方案中找出最可靠、最合理的解决方法。其主要需要考虑下面两个问题：怎样在Pareto界面稀疏区域求到更多的非劣解并使求出的解的分布更加均匀；怎样求出离Pareto界面尽可能近的非劣解并使求出的解的质量更高。论文基于均匀设计方法和协同进化方法设计了一种求解多目标优化问题新的算法。本文主要工作如下：首先,初始种群由两部分组成：一部分由均匀设计生成,另一部分随机生成。每代中,种群先经过遗传操作算子的作用,接着,为了能够搜寻到更多分布宽广均匀的非支配解,设计了协同进化算子(共生算子,吸构算子,竞争算子),通过共生算子和吸构算子的作用使得两个种群的Pareto解相互交换信息,以使算法找到更多更好的非劣解；其次,为了克服加权平均法不能找到Pareto界面非凸部分解的缺点,对Pareto界面上的较差解,通过离散算子(变异)的作用,希望在该点周围找到非劣解。这样通过进化和协同过程以及最优保留策略,使得最优解均匀的分布在Pareto前沿,且分布宽广。在前述基础上,设计了一个新的进化算法：基于均匀设计的多目标协同进化算法(UCEMOA),然后,对四个测试问题进行了数值试验,并和著名的NSGA-Ⅱ算法进行了比较,结果表明本文算法更加有效。最后,本文算法在空中飞行物测量方案的基站布站优化模型中得到了有效的应用。