在日常生活和科学研究的各个领域中均存在着各种各样的优化问题,而解决这些优化问题就是从所有可能的方法中找到最合理、最可靠的解决方案。在大多数多目标优化问题中,目标函数通常是相互冲突且最优解(Pareto解)并非唯一,如何充分利用各个目标函数,从众多的最优解中求得分布均匀且最具代表性的解供决策者选择是十分重要的。进化算法是一类基于生物进化机制的随机性全局搜索方法。在现有的许多优化算法中,进化算法因其在全局搜索和同步搜索能力上的优势成为了优化的热门方法。论文将基于目标函数的分类设计与进化算法充分结合,给出了两种新的解决多目标优化问题的算法。本文主要内容包括:第一,定义了分类函数和基于目标函数的分类函数标准,在此基础上设计了一种形式简单的分类函数,最后结合均匀设计方法给出了一种新型的解决多目标优化问题的进化算法——CL-MOEA,该算法的主要特色在于设计的分类函数和在各个类上的进化算子。第二,巧妙地将聚类方法和均匀设计结合在一起,同时作用生成初始种群,并且给出了形式简单的进化算子,在此基础上,设计了一个新的聚类-进化算法C-MOEA。在整个算法中,进化算子的简洁突出了聚类方法在处理种群分类时的优越性。最后,运用新算法对多个测试函数进行性能测试,实验结果表明新设计的两个算法与其他算法相比,可以取得效果更好,鲁棒性更高的最优解。