现实中遇到的许多问题往往表现为由多个、可能相互冲突的目标构成的多目标优化问题。多年来多目标优化问题尽管已有许多求解方法,然而最近十几年来演化算法己逐渐发展成为解决多目标优化问题的理想方法,特别为求解大规模复杂的多目标优化问题提供了有效的研究方法,因而多目标优化问题也已经成为演化算法领域的研究热点。正因为如此,多目标优化在现实世界中正得到广泛应用:在经济学和管理中,用于求解证券投资、通货膨胀和经济增长模型中的多目标决策、运输投资等问题;在工程设计中可用于多目标选址问题、多目标指派问题、多目标设计问题、交通问题等;在网络与通讯中主要应用于网络的拓结构设计组播路由(multi-cast)和Geo-cast等问题中。随着研究和应用的深入,实际求解问题的复杂性对算法的各种性能等技术发展提出了新的挑战。因此,如何进一步提高演化算法性能,以及在多目标优化领域,如何将有关的搜索策略和多目标优化技巧进行有效的结合从而最终提高问题的求解质量,将是本文研究的关键问题,所有这些研究也将拓展演化算法及其在多目标优化领域的应用研究。本文的主要工作包括: (1)遗传算法中的种群多样性对遗传算法的收敛等性能具有重要的影响作用,本文具体分析了遗传算法的演化性能特征、遗传算法的多样性问题,以及影响遗传算法性能的一些主要因素。在此基础上分析了基于混合优化策略的演化算法,这将是改善算法性能的一个重要途径,并分析了从整体上提高算法性能的可行性及其有效机制。基于此,以一类车辆路径调度问题(VRP,vehicle routing problems)为问题背景,结合2-opt局部优化算法提出了GA with 2-opt算法来求解VRP问题,讨论了以遗传算法求解VRP问题的染色体表示和有关遗传操作,并给出了算例分析。 (2)为致力于多目标演化算法的求解目标,本文分析了多目标演化算法设计中所要解决的主要各种策略应用问题:适应度赋值方法、选择操作和遗传操作的设计。基于多目标混合演化算法的形成机制及其一般结构,提出了一种改善收敛性能的混合多目标演化算法,将传统的局部搜索方法应用于MOEA,即基于Hooke