在科学和工程领域存在着大量的多目标优化问题,需要对多个相互冲突的目标同时进行优化。针对总体目标的优化,需要综合考虑子目标间的相互作用与相互牵制。传统的单目标优化方法已不适用于处理多目标问题。现在使用较多的处理多目标问题的方法是多目标进化算法,所谓进化算法,是指模拟生物自然选择和进化的一种仿生算法,这类算法充分利用适应度函数和约束函数而不需其他先验信息,具有很强的通用性。本文主要研究NSGA-II在0/1背包问题,车辆路径问题和特征选择中的应用及算法改进。背包问题必须满足容量的约束条件,然而,由于进化算法的每次迭代都是一次随机行为,因此每次迭代都会产生大量的不可行解。针对这种情况,为了更好的利用产生的解,本文提出一种基于个体对限制条件的违反程度的加权修复策略,并将该策略嵌入到NSGA-II中,实验表明该修复策略相较于其他的修复策略有明显优势。车辆路径问题是指对一系列配送中心(或收货点),对所有的车辆进行调度,组成许多条行车路径,使车辆能在规定的时间运送货物到指定的客户位置。车辆路径问题也是一种包含多个约束条件的复杂问题,本文算法基本框架采用NSGA-II,针对该问题的特点,改进其染色体编码策略及交叉、突变等核心操作使其适应种群进化,提高了算法的整体效率。最后,为了验证该算法的有效性,在多个测试问题上与蚁群算法做了比较,实验表明,该算法在多个测试问题上优于蚁群算法。对于人脸识别问题,本文基于ASM模型选取一些主要特征来做识别。为了更充分的发现主要的特征,本文提出了二目标优化、三目标优化等优化问题模型,并使用进化算法来求解这些问题,通过多个实验的比较,发现三目标进化算法的综合性能最好。