动态约束多目标进化算法是近几年来在国内外较为热门的研究方向,是一种可以自适应迭代的智能优化算法,该算法是在进化算法的基础上再进行动态约束的多目标智能优化算法。在解决决策变量随着时间(环境)的变化而动态变化的问题上有较好的智能性。不仅可以保证原有算法的整体收敛性外还可以有效的避免算法盲目的陷入局部收敛以至于无法找到最优解。动态约束多目标进化算法还在一定程度上解决了智能优化算法中无法自适应解决决策变量跟随时间(环境)变化而动态变化的棘手问题。至少在解决方向上有了一个很好的思路,这就为广大该方向的学者们带来了一个很大的福音。本文就在学习了一些动态约束多目标进化算法的研究成果上又给出了一些创新,例如在寻找区间分割非均匀变异算子的情况中,要用参数λ来控制均匀变异程度,而此处的λ的取值如果是人为主观取值为0.5是不具有科学性的,因此本文在此处有一些改进。另外就是在初始划分群体情况中,提出一种基于种群分类的动态约束多目标进化算法。实验结果也对两处改进进行了具体数值实验并评价。本文所做工作如下：1.简要介绍了动态约束多目标进化算法的研究历程和研究现状的研究,总结了研究的意义和论文的主要内容。2.分析了进化算法的结构,包括进化算法的基本原理、算法流程和参数设置以及算法的优缺点等。3.概要介绍了动态约束多目标进化算法的基本思想、给出算法步骤。4.详细介绍了对于动态约束多目标进化算法的改进之处,然后给出了详尽的算法步骤和算法流程,最后用于数值实验并根据实验结果进行结果评价以便验证算法的优越性。5.详细介绍了基于种群分类的动态约束多目标进化算法,给出了详尽的算法步骤与流程,并进行数值实验以便验证该算法的性能上面的改进。