在现实世界中,往往存在着许多动态的多目标优化问题,由于此类问题具有多个依赖时间或环境的目标,并且这些目标可能是相互冲突、不可公度的,加之此类问题的最优解会随着时间而发生改变,因而通常很难设计出一种通用而又有效的方法来求解此类问题。本文提出了一种基于模因算法(MA:MemeticAlgorithm)的动态多目标优化方法,并进行实验,获得了一些有意义的结果。　　 论文的主要工作如下:　　 (1)问题描述与相关理论研究综述。主要包含动态多目标优化问题的定义及其特征的描述,进化算法在动态多目标优化问题的研究进展与研究目标的综述,动态多目标优化问题的测试函数及评价指标的总结。　　 (2)提出了一种基于模因算法的动态多目标优化方法。该方法主要包含四个模块:进化算法模块、局部优化模块,变化检测模块和全局与局部搜索平衡控制模块。进化算法模块采用快速非支配排序和拥挤距离算子来查找种群中的非支配前沿;局部优化模块使用局部爬山和模拟退火算法作为局部模因算子,对精英个体进行局部优化;变化检测模块和全局与局部搜索平衡控制模块负责检测环境是否发生变化,若发生变化则根据检测到的变化量的大小来选择对应的局部模因算子以及改变该算子的局部搜索深度。本文提出的优化方法与基于进化算法的优化方法相比具有以下3个优点:①采用快速非支配排序和拥挤距离计算,能够更快找到非支配个体;②采用局部优化能够改善种群结构,较好的保持种群的多样性,具备较高的局部寻优能力,可以加快种群的收敛速度;③采用动态检测及全局与局部搜索平衡控制可以检测变化的剧烈程度,对此做出相应的反应,能够加快算法对环境变化的响应。　　 (3)实验仿真与结果分析。通过设置多组实验参数求解三个动态多目标测试问题,将基于模因算法的动态多目标优化方法与DNSGAⅡ-A算法的优化结果进行对比,实验结果表明基于模因算法的动态多目标优化方法所取得的最优解集的整体性能要比DNSGAⅡ-A算法的最优解集好,收敛速度更快。