优化问题大都涉及多个相互冲突的目标的优化，因此，多目标优化问题的解是一组Pareto最优解。理想的多目标优化过程先找到尽可能多的Pareto最优解，然后利用高一级的知识做出决策。与古典的多目标优化过程相比，这种优化过程更系统、更实用、更客观。 遗传算法起源于对生物系统所进行的计算机模拟研究。遗传算法能够在一次运行中得到一组Pareto最优解。因此，遗传算法是一种理想的解决多目标优化问题的方法。 本文主要研究了几种多目标进化算法。早期的多目标进化算法没有使用任何最优保存策略，它们可能会破坏掉当前种群中较优的个体。为了将当前种群中适应值较高的个体保留到下一代，提出了各种使用最优保存策略的遗传算法。针对多目标优化问题中的约束限制，提出了多种约束处理策略。另外，本文还讨论了几种多目标优化与决策技术。最后，将其中几种方法用于设计了一个复合齿轮链。