现代工程的研究问题日益复杂,且往往具有多个相互制约的设计目标,使得传统的多目标优化问题的理论和方法不断受到挑战。多目标优化算法作为求解这类问题的主要方法,应具备鲁棒性强、求解效率高、求解精度优等特点。近年来,许多优秀的多目标优化算法及理论相继被提出。本文通过分析优化算法的研究现状,深入研究了多种优化算法的优劣。针对经典NSGA2(Non-dominated sorting genetic algorithm2)在求解复杂问题时的不足,结合蜜蜂进化型遗传算法的优点,提出了改进蜜蜂进化型遗传算法引导的NSGA2两阶段优化算法,并对该算法的应用进行了研究。主要工作及创新点概括如下:1)通过优化选择算子γ、根据交叉父代的相似度采用不同的交叉方式及根据个体父代性能选择变异方式,改进蜜蜂进化型遗传算法,提高第一阶段的寻优效率。然后,通过深入探究经典NSGA2在求解复杂苛刻优化问题时存在的问题,在采用改进交叉方式和变异方式的基础上,提出删除重复个体、引入新个体、精英种群代替父代种群等改进措施,提高第二阶段的种群多样性、算法的求解效率和精度。针对约束条件苛刻的多目标问题,构造外部辅助种群,将满足规定条件的不可行解复制到外部种群并参与下一代操作,引导其它不可行解向可行解边界靠拢,加快算法求解速度。基于以上改进及两阶段优化算法思想,针对约束条件苛刻的多目标问题和无约束条件的多目标问题分别设计相应的算法求解流程。2)从绿色绩效的角度出发,建立了废旧产品的回收与再制造VRPSPD路径规划问题模型,然后利用本文算法求解该优化模型。通过对比分析算法改进前后求解不同客户规模下的运行结果,验证了本文算法的高效性。3)利用改进算法求解以最小化最大完工时间、最大机器负荷和机器总负荷为目标的多目标柔性作业车间调度问题,通过对几种经典案例的求解及与其它优化算法求解结果对比分析,验证了本文算法的有效性。