工程实践与科学研究中会经常遇到一些多目标优化问题,这些优化问题如果采用传统的解决方法处理会出现一定的缺陷和弊端。虽然使用进化算法解决多目标优化问题已被证明是一个有效的方法,但是目前进化多目标优化算法还不完善,这些进化算法还存在解集分布不均匀、收敛早熟和精度差等缺点。协同进化算法是近年来提出的一种解决多目标优化问题的新方法,与传统进化多目标优化算法相比,它能在一定的程度上提高全局收敛性和避免早熟。然而目前的协同进化多目标优化算法在解决多目标问题,然而目前的协同进化多目标优化算法在解决多目标问题,得出非支配解集的分布性和多样性方面不太理想,并且算法的全局收敛性还有待进一步提高。本文针对目前协同进化算法的不足提出了相应的改进措施和策略,整合改进的协同进化算法和进化多目标优化机制,研究出更有效的协同进化多目标优化算法,并将该算法有效地应用于解决机器人多目标路径规划问题,主要研究工作如下:(1)针对协同进化算法中选取代表个体的导向性不强的问题,提出了一种分组排序评估策略的合作协同进化算法。通过不断将每一代新种群进行有序排列的分组评估,选择当代最优个体组成代表组合,使选取的代表组合更具有导向性。将该算法与其它进化算法采用典型的测试函数进行对比测试实验,结果表明改进的协同进化算法具有更快的收敛速度和更强的全局收敛能力。将上述提出的基于分组排序评估策略的合作协同进化算法应用于复杂PID控制系统参数优化,实验结果表明,该算法能高效地搜索到给定性能指标要求的PID参数最优组合,具有较好的应用前景。(2)针对多目标优化算法中非支配解空间分布不均匀以及算法收敛精度不高的问题,将多种群协作的思想、快速非支配排序的方法以及精英外部档案的策略相结合,提出了一种多种群合作协同多目标优化算法。采用标准的多目标优化问题测试函数集对所提出的算法与NSGA-II算法进行对比测试实验,结果表明,所提出的多种群合作协同多目标优化算法,能获得更均匀和更精确的非支配解集,达到更优的Pareto前沿面。(3)研究了应用所提出的多种群合作协同多目标优化算法解决机器人多目标路径规划问题的方法及其实现。将机器人多目标路径规划任务进行建模,提出了其包含多项性能指标要求的多目标优化模型;给出了多种群合作协同多目标优化算法求解的实现方法。仿真实验结果表明,所提出的方法能有效地获得多目标要求下的优化路径。