无论是在自然科学研究还是实际应用中,多目标优化问题都是主要的研究课题及问题之一。至今为止,国际上对多个目标进化算法的研究已经进入了兴旺时期,出现了各种新型占优机制的优化算法。进化算法是通过模拟自然环境中生物的遗传进化过程而产生的一种自适应全局优化算法,各种优化算法都应用在解决高维多目标优化问题,已经成为当今最具实用价值的研究热点。现在,多目标进化算法在自然科学和工程领域得到广泛运用。本文介绍了多目标优化算法的研究历程及研究现状、论文的研究意义。通过对算法收敛效率和群体多样性及分布性的研究,改进了多目标进化算法。将其应用于解决车辆数不确定的时间窗车辆路径问题及流水车间问题中,取得了比较理想的效果。本文主要从以下几个方面进行研究及探讨：1.简要介绍了多目标进化算法的研究历程及研究现状。2.简要介绍了遗传算法的实现原理及算法结构。3.简要介绍了多目标进化算法的基本概念,多目标优化问题的数学模型的建立及目前几种经典的多目标进化算法；深入研究了多目标遗传算法中的最优解的构造及解的多样性、分布性问题。4.本文中建立了优化多目标的带有时间窗口的车辆路径问题的数学模型,并且提出了一种基于聚类及小生境的混合遗传算法。算法采用混合并行选择、聚类的方法降低非支配集以及用擂台赛法构造非支配集,避免了求解非凸解的困难,不仅提高了遗传算法的搜索速度而且避免了”早熟”等不足情况。实验结果表明,该算法对于求解车辆数不确定的时间窗车辆路径问题提供了一个非常有效的优化方法。5.为了能够更高效地去求解多目标流水车间的调度问题,本文提出了一种新的混合多目标遗传算法,采用小生境排挤技术、双重精英保留策略以及非劣解局部搜索等方法,并且可以根据算法适应度来自动调节改变交叉和变异概率。实验表明,这种算法具有更加好的收敛速度和优化结果。