多目标优化问题是从实际应用中产生的,它不论在经济、军事还是高科技领域都有着重要的研究价值,因此进行这方面的研究就显得非常有必要.在多目标优化中,各目标通常相互冲突且不可公度,其最优解往往有无穷多个,如何在最优解集合中求出一组分布均匀且数量充足的代表解供给决策者进行选择是十分重要的.本文首先对进化算法和多目标优化的基本概念、基本理论、基本框架等进行了系统的综述分析.接着提出了一种求解多目标优化问题的新模型,即通过引入个体的序和个体的密度概念,给出了种群序值的理想方差和种群密度的方差,其中,种群序值的理想方差是对Pareto界面上解的质量的度量,种群密度的方差是对Pareto界面上解的分布均匀性的度量,把对任意多个目标函数的优化问题转化成两个目标函数的优化问题,建立了一种新的双目标优化模型,对建立的新模型设计了一种新的多目标遗传算法(RDMOEA),且给出了RDMOEA的收敛性分析,最后通过大量的不同性质的函数对RDMOEA的性态进行了分析测试,从测试结果可以明显看出,RDMOEA能够找到问题数量多,分布均匀的Pareto最优解.此外,本文还给出了一种求解一类非线性约束规划问题的多目标遗传算法,首先将非线性约束规划问题转化成多目标优化问题,然后对转化后的优化问题设计了一种求解的多目标遗传算法(NMGA),并给出了NMGA的全局收敛性证明,用不同性质的函数对NMGA的性态进行了测试,结果表明NMGA对带约束的非线性规划问题的求解非常有效.