旅行商问题是一个重要的运筹学问题,物流和供应链系统中很多优化问题都可以转化为旅行商问题。然而由于很多实际问题总是需要考虑多种优化目标,使得多目标旅行商问题引起了运筹学领域众多学者们的广泛关注。基于此,本论文以多目标旅行商问题为研究对象,借鉴进化算法在多目标优化领域（通常称之为多目标进化优化）的最新理论成果,设计和开发一种适用于求解多目标旅行商问题的混合多目标进化算法,并将这种混合算法分别应用于基本多目标旅行商问题和一种特殊多目标旅行商问题,即污染路径问题,通过与几种主流的多目标进化算法进行性能比较,检验所提出新算法的有效性。具体的研究内容包括如下:1、基于蚁群算法和差分进化的混合多目标进化算法设计。与传统进化算法不同,多目标进化算法的目标是为了获取一个分布均匀的Pareto最优解集,这就要求算法运行过程中需要考虑两种不同的搜索机制,即对更好的非支配解的开发性搜索和对更优分布的非支配解集的探索性搜索。于是我们考虑设计一种两阶段搜索的多目标进化算法,一方面采纳分解机制利用蚁群优化算子实现对Pareto最优解的逼近性开发,另一方面采纳支配机制利用差分进化算子实现对Pareto前沿的均匀性探索。2、基本多目标旅行商问题上的算法对比实验。我们利用TSPLIB中的标准用例生产一系列多目标旅行商问题的实验算例,通过与几种主流的多目标进化算法进行对比,实验结果表明所提出的混合多目标进化算法在大部分算例上都能够获得最好的性能。3、多目标污染路径问题上的算法对比实验。我们以最小化碳排放成本和最小化配送成本为目标函数,建立多目标污染路径问题的数学模型,通过在多目标污染路径问题仿真算例上的算法对比实验,发现所提出的混合多目标进化算法在所有算例上总是优于其他多目标进化算法。