在科学研究和工程实践中存在一类特殊的多目标优化问题,它的多个全局Pareto解集对应同一全局Pareto前沿或同时拥有局部Pareto解集和全局Pareto解集,这类问题被称为多模态多目标优化问题。与其它进化算法相比,现存的多模态多目标进化算法在求解这类问题时,不仅可以定位多个Pareto解集,而且能很好的拟合Pareto前沿。但是,多模态多目标进化算法仍然存在收敛性差、Pareto解集不完整等问题。针对该问题,本文基于进化算法对多模态多目标优化问题的求解展开深入研究,主要工作如下:1.提出基于估计策略的分解多模态多目标进化算法。在算法中,为了寻找多个等价的Pareto解集,将分配给同一权重向量的多个个体划分为同一子种群。然后,设计了一种基于聚类的估计策略以评估Pareto解集个数,并采用两种差分进化策略产生子代搜索最优解。最后,使用环境选择方法动态调整子种群规模以维护种群的多样性。实验结果表明,所提算法性能更优。2.提出基于聚类的和声搜索算法求解多模态多目标优化问题。在算法中,首先,采用改进的和声搜索算法定位多个不同的Pareto解集。同时,使用精英学习策略防止算法过早收敛。最后,采用基于聚类的特殊拥挤度距离排序方法计算个体在决策空间和目标空间中的综合拥挤程度以改善种群的多样性和收敛性。实验结果表明,所提算法不仅在决策空间上具有良好的分布性,而且能获得更多的Pareto最优解。3.针对特征选择中的多模态多目标实际问题,现存的特征选择方法在求解时不仅具有很多的局限性,而且会遗漏一些优秀的特征组合。因此,采用本文所设计的基于估计策略的分解多模态多目标进化算法进行求解。实验结果表明,所设计的算法找到了单模态进化算法遗漏的优秀特征组合,减少了特征提取所需的成本。