在科学研究和工业工程实践中,存在着大量的多目标优化问题,此类问题需要同时优化两个或者多个彼此冲突的目标。由于各个目标间相互冲突和矛盾,因此,我们无法求得一个最优的解使得全部的目标同时满足最优,只能找到一组各个目标之间的折衷解,即Pareto最优解。传统的优化算法在处理多目标优化问题时,程序的一次运行只得到一个解,无法提供全面的多目标决策支持。近些年,进化多目标优化算法由于其高效,实用的特点,在科研与工程实践中得到广泛的应用。本文将进化多目标算法中具有代表性的基于分解的进化多目标优化算法(Multi-objective Evolutionary Algorithm Base On Decomposition, MOEA/D)应用到水库的防洪调度问题中。现实生活中,水库防洪调度具有削减洪峰,保障人民生命财产安全等重大现实意义,我们需要应用相应优化算法求得一组收敛性好,分布广泛而又均匀的Pareto最优解以便给决策者提供丰富的信息支持,同时水库防洪调度又是一个复杂的多目标,多约束的优化问题。然而,由于水库防洪调度问题的约束限制,实际调度中,并非所有Pareto最优的调度方案都满足期末调度水位的限制,可供决策者选择的调度方案集中在PF上有限的区域。为了提高求解效率同时减少决策者在决策上的负担,我们对MOEA/D算法进行改进,在算法中加入偏好信息,设计了一种基于自适应参考点选择的偏好MOEA/D算法,使得算法求解最终收敛到决策者所期望的偏好区域。本文主要工作包含以下方面：首先将水库防洪调度问题抽象后的数学模型给出,结合MOEA/D算法的特点,分析了应用其解决水库防洪调度问题的可行性。并通过处理两场典型的洪水数据的实验验证了应用MOEA/D算法处理的水库防洪调度问题的可行性与有效性。然后在总结之前实验结果的基础上结合水库防洪调度的实际特点,分析了加入决策者偏好信息的必要性,介绍了参考点对算法搜索方向的影响通过参考点和偏好方向的设定来指导算法搜索向偏好区域进行。提出了如何改进算法加入参考点信息,并通过对六场洪水的实验验证了应用调整参考点的偏好MOEA/D算法处理水库防洪调度问题符合我们实验动机,达到了我们预期的效果。