研究生招生是国家选拔培养高层次专门人才的重要途径,关系我国社会经济发展。自改革开放以来,我国研究生招生规模逐年扩大。根据近40年的招生数据,每20年,研究生招生规模就扩大10倍。当前,一些大学年招生量已经突破8000人,并且一些二级学院的年招生量也超过200人。另一方面,我国研究生招生种类也比较多,例如,硕士招生至少可以分为统一招生考试和推进面试入学考试这两类。虽然招生类型多,但一般皆有一个公共的考核环节,即“面试”。面试环节要求对学生和导师进行分组,随着招生规模的扩大,如何科学分组,事关考试公平。因此,设计一种研究生招生面试分组方法迫在眉睫。本文通过深入研究面试分组、遗传算法和多目标优化算法,基于研究生招生面试分组实际,对研究生招生面试分组问题进行了数学建模,提出了一种融合分组遗传算法和多目标优化算法的混合多目标分组遗传算法。该算法通过基于矩阵编码的行交叉、列交叉、组交叉、组中导师交叉、按列变异和按组变异的分组遗传算法,以及次精英化的初始种群策略和改进的帕累托支配关系的基于支配强度的NSGAⅡ算法,解决了经典NSGAⅡ算法在该问题中的收敛速度慢、易陷入局部最优的问题,达到了快速分组效果,满足了用户偏好。随机生成一种研究生招生面试分组问题,考察4种算法迭代结束时的最佳前沿,结果表明,采用初始种群次精英化策略的算法明显优于其他算法,采用基于支配强度的NSGAⅡ算法优于经典NSGAⅡ算法,修改过帕累托支配关系的算法优于未修改的算法;除此之外,从6种不同参数设置的100次不同分组问题的最终进化效果来看,也验证了以上观点。