随着应用的不断深入,遗传算法在优化多峰问题中的不足逐渐暴露出来。小生境作为优化多峰问题的一种有效手段,得到了广泛关注,并已经成为遗传算法领域的一个研究热点。目前,小生境技术的设计和理论研究还并不完善。缺乏统一的小生境理论框架模型,难以从理论上分析和比较不同技术方法的小生境形成和维持能力。大多数技术方法都是针对二进制编码或者实数编码的函数优化,由于缺乏描述搜索空间局部性的理论和方法,这些方法难以推广到某些组合优化和特殊的表示问题。本文主要小生境算法的特点进行了研究和探讨,提出了一种多群体小生境的新方法,并采用C++进行仿真实验,测试算法的性能。现实中的优化问题常常需要同时优化多个目标,这些问题被称为多目标优化问题。本文提出了多目标优化问题的一个通用框架,并分析了其收敛性。本文的主要工作如下。(1)设计了一种新的适应值变换方式来产生小生境。适应值共享模型中的适应值变换有三个缺点,即计算量大,难以确定小生境半径,基于离峰值均匀分布的假设。设计的新的适应值变换方式力求克服这些缺点,而又能达到生成小生境的效果。(2)设计了一种新颖的基因交流方式。本文采用“引进相邻群体最优个体的反码”的方法,收到较好的效果,并进一步提出了“排斥函数”的概念。(3)分析了一种多目标进化算法框架的收敛性。