社会生活和工程实践中常常存在着许多优化问题,优化问题大体可以分为两类:单目标问题和多目标问题。在生活实践中更为普遍的是多目标优化问题。随着人们对社会生活质量和工业领域工程质量要求的提高,多目标优化问题的复杂度日益增加,求解多目标问题的多目标优化算法也越来越被专家学者们关注和研究。针对多目标优化问题本文选择和声搜索算法(Harmony Search Algorithm,HS)来进行研究与探索。和声搜索算法具有算法参数少、实现简单、易于融合其他智能算法等优点,同时也有许多不足之处,如算法易陷入局部最优、对初始解集多样性要求高等。本文针对和声搜索算法的不足之处进行改进,并应用于实际生活中的多目标优化问题。研究内容如下:首先介绍标准和声搜索算法和多目标优化问题,研究总结了算法的特性、优势和不足之处以及算法实际的工程应用领域。同时对多目标优化问题的数学形式、求解流程、Pareto最优相关概念和几种经典的多目标优化算法进行了介绍。然后针对算法的不足之处,结合算法的特性对算法进行三点改进:1.针对标准和声搜索算法初始和声记忆库里解集多样性会对算法寻优过程产生影响的问题,引入Tent混沌系统产生初始解集,加强初始解在决策变量取值范围上分布的均匀性,提高算法的寻优能力。2.针对标准和声搜索算法对参数敏感的问题,动态调整算法参数,使算法的主要参数随着算法寻优进程而动态调整,前期针对算法的全局搜索能力进行加强,后期重点提高算法跳出局部最优的能力,从而整体提升算法的性能。3.对于多目标优化问题,结合算法本身易于和其他智能算法融合的特性,融合快速非支配排序遗传算法(NSGA-II),并对该算法中的精英选择策略加以改进,采用一种循环淘汰的方法,加强首层非支配解的均匀性,提高算法的Pareto寻优能力。最后通过标准测试函数,对改进后的算法和其他常用的多目标优化算法进行数值仿真实验。综合对比分析,结果表明本文的改进算法能有效的避免陷入局部最优,且寻优精度更好。将改进后的和声搜索算法应用于多目标冷链物流的车辆路径问题,对问题从总配送成本和客户满意度方面进行的数学建模。将改进的算法根据问题本身特性进行调整并应用其中,分析算法的求解结果,可以看出改进的和声搜索算法是有效可行的。最后对本文进行总结,明确进一步需要研究的方向。