目前，绿色节能已经成为了越来越热门的研究方向。在计算机领域，已经有很多针对CPU等部件节约能耗的研究。存储器作为计算机系统的主要部件之一，其能耗占据了整个计算机系统能耗的三分之一以上，而且随着其他部件节能研究的逐步发展，该占比还在逐步提升，因此，研究存储器能耗的优化，并保证存储器性能的研究是很有必要的一项课题。与此同时，新型的存储器也在逐步进入人们视线范围中，他们相比传统存储器有拥很多独特的优势，相变存储器(PCM)作为其中的代表，因其独特的物理性质、非易失、低能耗等特点，成为了新型存储器的佼佼者之一，它作为未来DRAM的替代品逐渐被很多研究者和研究机构深入研究。但是，新型存储器也存在其耐写次数限制、写入能耗较高等方面的问题而在短期内较难被单独而广泛的应用在内存系统当中。因此本文针对目前传统存储器和相变存储器各自的优缺点，设计了混合型的内存系统，以传统DRAM读写速度快，无读写寿命限制和PCM常态下低能耗的特点互相取长补短，并建立数学模型，针对最低能耗和最低PCM写入次数等相悖的多优化目标，提出2BP2GA算法进行任务分配的优化，并通过与整数规划算法(ILP)的比较，分析和评估了算法性能，相对于纯DRAM系统，2BP2GA算法优化的混合内存平均节约能耗35.66％。　　首先，本文分析了传统存储器的弱势与新型存储器的研究现状，并深入研究了相变存储器的物理特性及其性能优缺点，同时讨论了对多目标问题的求解方式的研究现状，为接下来的研究设计打好理论基础;　　其次，针对传统存储器与相变存储器各自不同的优缺点，设计了混合内存系统的存储方式，将两种不同的存储器的优势互相结合取长补短，并根据实际需要建立数学模型，对任务集中每个任务被分配在哪种存储器上的分配方案做研究，探讨针对两种相悖的目标下的Pareto前沿;　　接着，提出2BP2GA算法，针对二维装箱模型，提出了一种改进的遗传算法来得到多目标优化问题的Pareto前沿，以此替代传统的唯一解方案，使得在计算可行解集的前提下，保证高效的计算。这种算法在更高维和其他多目标优化问题上也能有效的应用;　　最后，本文针对提出的混合内存系统模型，采用提出的算法进行任务集的规划，随机生成了包含不同规模任务集的测试数据集，在规定的时间周期内，利用MATLAB进行仿真，对给定的不同任务数、不同工作量的任务集计算两个相悖优化目标的Pareto前沿，并与传统的ILP算法进行比较讨论。　　本算法基于二维装箱算法对PCM和DRAM混合内存系统任务分配的多目标优化问题进行建模，并提出了基于2阶段遗传算法Pareto解集寻优算法，通过对其初始种群进行了改进，提高了初始种群的质量，加快了收敛速度，降低了运算时间。仿真结果表明，相比与纯DRAM内存系统，本算法对于内存系统节能效果显著，且保证了内存的使用寿命。