科学和工程中的很多优化问题都是多目标问题，因此，对其进行研究非常具有实际意义和科研价值。多目标优化问题中各目标之间往往相互制约，对其中一个目标优化必须以其它目标作为代价。80年代中期以来，进化算法开始应用于该问题，并行成了最近的一个热门领域，对多目标进化算法的研究也是近年来求解多目标优化的重点。本文首先对多目标优化问题的一般定义、Pareto最优解集和Pareto最优边界等进行了讨论，对多目标优化进化算法的国内外研究现状进行了回顾，然后提出了两种多目标优化进化算法，并将多目标优化的思想用来求解约束优化问题。主要内容如下：1、将多目标属性决策方法中的ELECTRE法引入到多目标优化进化算法中，提出了一种新的多目标优化算法。构造出一种新的超序关系对个体进行排序，并证明了该超序关系比Pareto优劣关系弱，利用此超序关系能增加进化过程中的选择压，加快收敛速度。通过数据试验，表明算法能很好地收敛到Pareto最优，有效保持解的多样性。2、提出了一种基于差异进化的多目标优化算法，利用ε优超关系来保存进化中的非劣个体，并对ε-MOEA算法中个体存档准则进行了改进。将ε-水平比较准则引入到算法中，通过对一系列标准的测试函数进行实验，实验结果表明该算法在保持解集分布性和收敛性方面非常有效。3、将多目标优化思想引入到约束优化中，提出了非劣个体替换准则。为了有效利用不可行解，提出了一种不可行解保存和替换机制，对6个测试函数进行了测试，测试结果表明该算法优于其它算法。最后，提出了多目标进化算法中值得进一步研究的问题。