现实生活中,许多复杂优化问题尤其是NP难问题可以采用演化算法求解。当优化问题涉及多个一般相互冲突的目标,称为多目标优化问题,可用多目标演化算法优化。随着大数据时代的到来,出现了许多多目标大规模优化问题,传统多目标大规模演化算法大多是串行的,故需设计新的并行算法。多目标演化算法可应用于无线传感器网络部署问题。传统研究主要关注二维平面和三维全空间,且传感器大多为同构全向的。然而,这不能满足现实世界复杂三维环境的多样需求。为此,本文将使用演化算法优化无线传感器网络在复杂三维环境中的多目标部署问题。本文由四部分构成。第一,提出一种分布式并行合作协同进化多目标演化算法。基于一种改进的分组方法将变量分组,每个分组由一子种群优化,进一步将子种群分为多个集,并构建双层的并行框架;算法将原始问题分解为多个较简单的小规模问题,降低求解难度,同时,并行化极大减少了优化时间。第二,对异构有向传感器网络在三维地形上的部署问题进行了研究。提出了一种改进的非确定覆盖模型,使其更符合实际应用,同时考虑了覆盖率、连通均匀度和部署费用,并使用多目标演化算法进行优化。第三,提出一种分布式并行合作协同进化多目标大规模免疫算法。使用多种群充分探索各个目标,通过变量分组将大规模问题分解为多个小规模问题;免疫算法思想的引入使算法倾向于探索目标空间中的稀疏区域,提高算法找到解集的均匀性和多样性;对第二部分的部署问题的应用证实了其有效性。最后,对第一部分的算法进行改进,以损失部分并行度为代价,个体的进化在单个CPU串行进行,综合利用整个子种群的个体信息;试验多种优化算子,验证了分布式并行框架的良好可扩展性;对存在障碍物的复杂三维轮机舱空间中的工业无线传感器网络进行了部署研究,提出一种改进的非确定覆盖模型,将可靠性作为优化目标之一,综合考虑覆盖率、生命周期和可靠性,使用多目标演化算法进行优化,实验结果证实了改进的算法的优越性。综上所述,本文提出多种分布式并行合作协同进化多目标大规模演化算法,研究了异构有向传感器网络在三维地形上及工业无线传感器网络在存在障碍物的三维轮机舱空间中的多目标部署问题。提出的算法在这些问题上的应用进一步验证了其有效性。