第二代非劣排序遗传算法(NSGA-II)是求解多目标优化问题的经典算法之一。为了使所求解集能够更均匀地收敛于Pareto前沿,本文对算法中拥挤距离的排序比较方式进行了改进,引入种群个体左右距离差值比较的概念,并采用了自适应的交叉、变异算子以及最小距离筛选机制,发展了一种改进的自适应NSGA-II算法(IANSGA-2)。接着,选用典型的多目标测试函数,对发展的算法从函数的收敛性和分布性两方面进行了考核运算,通过与原有算法的比较分析,展示了算法的可行性。在此基础上,论文把发展的算法用于翼型多目标优化,给出了典型翼型升力系数和升阻比双目标最大的优化算例。结果表明,优化后的升力系数与升阻比目标值都能均匀地分布在Pareto前沿,其对应的优化翼型与初始参考翼型相比,气动性能得到了明显的改善。算例总体上展示出发展的基于左右差值距离比较的自适应NSGA-2算法,综合性能优于经典的NSGA-2算法。