近来,人们发现专注于单独使用遗传算法具有很大的局限性,如果将多目标遗传算法与其他优化技术之间有效结合,即混合多目标遗传算法,能够更加有效、更加灵活的处理实际问题。本文在对NSGA2, SPEA2, MOEA/D算法及PLS算法进行分析的基础上,针对其不足对这些算法进行了相应的改进。设计了两种基于PLS的局部优化策略,并将其与NSGA2, SPEA2, MOEA/D算法有效地结合在一起,分别提出了改进的NSGA2算法-INSGA2,改进的SPEA2-ISPEA2算法和改进的MOEA/D算法-IMOEA/D算法。并根据SPEA2和MOEA/D优化机制的特点,结合新的进化策略,将其以协同的方式有效地结合在一起,提出了混合多目标遗传算法HDMOGA算法。然后利用提出的算法分别求解了具有NP难度的基于QoS保证的多播路由波长分配问题(MQRWA)和基于QoS约束的服务选取问题(QSS)。分别建立了这两个问题的优化模型,并提出了具体的交叉操作,变异操作和局部优化策略。针对MQRWA问题,提出了两种光树修复策略RDFS和PRRA,同时提出了基于Prim最小生成树的初始化策略。针对QSS问题,提出了基于偏好的初始化策略。最后根据多个指标从不同角度对这些算法的性能进行了分析并与最近提出的相关算法进行了比较。实验表明,改进的混合多目标遗传算法无论在全局优化能力方面还是在局部优化能力方面都表现出了较好的优越性。混合多目标遗传算法是一个非常热点的研究领域,但很多方法还不够成熟,要开发出具有清晰结构化的高效的混合多目标遗传算法,还需要做大量的研究工作。本文的研究工作能够对该领域的研究起到促进作用。此外,还为求解MQRWA和QSS问题提供了新的手段。因此,具有一定理论意义和实际价值。