进化算法是一类模拟生物进化过程中自然选择和自然进化的群体启发式随机搜索算法,较好的通用性使其适用于复杂非线性和较少目标的优化问题。但是随着问题求解的各方面性能要求提高以及问题的复杂性提升,我们需要提出性能更好的多目标优化进化算法。基于以上背景,本文提出用于求解低维多目标优化问题的一种改进的差分进化混合多目标优化算法,另外,在对高维多目标优化问题的研究下,本文提出一种基于相关性选择和差分进化的高维多目标优化进化算法。本文具体工作主要为：1.提出一种用于求解低维多目标优化问题的改进差分进化混合多目标优化算法。算法首先分析了求解多目标优化问题的典范代表NSGA-Ⅱ算法,对算法呈现的搜索精度较差和分布伴随盲区问题进行详细分析,然后采用拉丁超立方体抽样技术产生分布较好的初始种群,利用差分算法中个体之间合作、竞争引导的智能搜索寻优机制,以及其特殊的变异算子对个体进化方向进行干预扰动,使得提出的改进的差分进化混合多目标优化算法兼具全局搜索和局部搜索能力。通过对ZDT1、ZDT3、ZDT4和ZDT6多目标优化函数的测试,实验结果表明所提出的算法比NSDE、NSGA-Ⅱ和MODE算法在收敛性上有较大优势,且所提出算法的多样性呈现也较好。2.提出一种基于相关性选择和差分进化的高维多目标优化进化算法。算法首先给出相关性机制中的参考点和个体相关概念,提出基于相关性的差分进化及多项式变异选择方法,通过参考点的相关个体数目来维持种群多样性,并采用基于相关性的种群更新选择,利用个体的惩罚距离来保证种群的收敛性。通过对3维、8维和15维的DTLZ1、DTLZ2、DTLZ3和DTLZ4优化函数的测试,结果表明所提出的算法在IGD指标上,性能总体优于NSGA-Ⅲ和MOEA/D算法。