无论是在工程优化还是科学研究中，经常涉及多目标优化问题.不同于单目标优化，在多目标优化问题中，各个目标之间是相互冲突的，不存在使得所有目标同时达到最优的解.那么，找到一组分布均匀且宽广的Pareto解就是解决多目标优化问题的核心.近年来，随着进化算法的迅速发展，利用进化算法解决多目标优化问题已经成为多目标优化领域的研究热点.本文基于空间网格划分技术提出了求解多目标优化问题的两类进化算法，主要工作如下：第一，针对无约束多目标优化问题，首先，将目标空间网格化，考虑点落入的网格，将每个网格作为一个考察对象.基于网格的顶点坐标，删除被其它网格支配的网格及其中的点.以此来降低算法的运行时间；其次，为了增加非支配解的宽广性，我们在杂交时考虑以每个目标方向上的最小值所对应的个体作为父代个体，以此提高解分布的宽广性；最后，在更新非支配集时，通过比较每一维上相邻个体之间的距离来判断个体的密集程度.距离小的个体密集程度比较高，距离大的个体分布比较分散，剔除部分分布密集的个体.实验结果表明这些技术极大提高了算法的求解效率.第二，针对约束多目标优化问题，首先将决策空间网格化，给每个小网格定义一个可行比例，按可行比例进行杂交、变异，使得算法能产生更多的可行后代；其次,利用目标空间的网格划分找非支配个体,减少非劣解排序所需的计算量.仿真结果表明，基于决策空间和目标空间的网格划分技术能有效提高算法的计算效率.