科学研究和工程实践中许多优化问题都可归结为一个多目标优化问题,多目标优化作为最优化领域的一个重要的研究方向有其广泛的应用领域,研究求解其有效算法具有重大的科学意义和应用价值。本文的主要工作如下:目标加权遗传算法求解多目标优化问题,是把所有目标聚合成一个带参数的目标函数。在多目标优化的评价指标体系中,属性权重的确定具有举足轻重的地位。因此如何科学、合理地确定属性权重,关系到多目标优化结果的可靠性与正确性。首先着重介绍了加权求和遗传算法,通过结合均匀设计创建初始种群,并对其各目标函数规范化,建立新的适应度函数,提出了一种动态分配权值的方案,设计了一个基于新的权重分配策略的多目标遗传算法(NWMOGA)求解多目标优化问题。其次,遗传算法可以同时进行多点搜索,但是这样搜索到的非支配解有时分布是不均匀的。为了搜索到分布比较均匀的非支配解,结合均匀设计的思想,设计了一个基于均匀设计方法的多目标优化遗传算法(BUMOGA),该算法能够找到非支配前沿的稀疏区域,对稀疏区域进行搜索,使搜索到的非支配解分布更加均匀,引入了均匀杂交算子和单点复合交叉算子两种杂交算子,弥补了模拟二进制交叉算子搜索能力弱的缺陷,并给出了算法的收敛性证明,通过仿真验证了该算法的有效性。