多目标优化问题在工程实践中普遍存在，多目标进化算法是解决多目标优化问题的强有力工具。多目标进化算法继承了进化算法并行随机搜索、全局搜索能力强、能够求解高度复杂的非线性问题的优势，用于解决具有多个相互冲突的目标的优化问题。近年来，各种多目标进化算法大量涌现，很多新的进化范例被不断引入，多目标进化算法受到了广泛的关注并成为研究热点。论文在开始对多目标优化的相关概念，多目标进化算法的基本框架，多目标进化算法及其应用的发展状况进行了介绍,详细介绍了两种经典的多目标进化算法及算法的评价指标,为后续算法的改进及应用奠定基础。针对经典算法NSGA2的收敛性、分布性不足；SPEA2的运算时间过长；Pareto解集复杂度增加时，经典的多目标进化算法性能下降，无法收敛或无法搜索出跨越整个Pareto均衡面的解集等问题，设计了一种实数编码的量子克隆多目标进化算法。该算法引入了混沌编码初始化的量子概率幅、量子旋转门、克隆等算子，使用两次互补单基因高斯变异提高算法多样性，设计了动态的拥挤距离调整策略，调节解集分布性。实验证明，该算法实现了运行时间与收敛性、分布性之间的均衡，当测试问题的Pareto解集复杂度增加时，具有明显的优势。针对经典算法NSGA2的收敛性、分布性不足，SPEA2的运算时间过长，优化问题的目标维数增加时经典算法无法收敛等问题，设计了一种基于二元指标的多目标进化算法。该算法设计了基于二元指标的适应度计算方法及环境选择策略。算法简单易行，运行效率高且具有良好的分布性和收敛性。在处理高维目标的DTLZ问题时，具有明显的优势。应用所设计的基于二元指标的多目标进化算法优化设计了IIR数字滤波器，验证了算法的有效性。最后，针对空地导弹弹道多目标优化问题，探讨如何将连续的优化问题转化为参数优化问题，建立了多目标弹道优化模型，并使用所设计的实数编码的量子克隆多目标进化算法对导弹弹道进行优化设计。通过与非线性规划法的优化结果相比较，证明了模型的正确性及算法的有效性。