动态优化和多目标优化是实际应用和优化中的常见问题,传统的求解方法常常难以求解目标函数不连续、复杂高维等类问题,同时每次只能求得一个解。基于此,论文选择动态优化算法和多目标优化算法为研究对象,研究求解这些问题的进化计算方法。这两类进化计算方法中,存在一个共同的特点就是非常注重保持种群的多样性,从而实现对动态优化问题中解的跟踪和多目标优化问题中多个具有代表性Pareto解的保持和进一步优化。为此,采用基于多种群的方式保持种群的多样性,并且不同种群采用不同的进化机制,从而实现对问题的求解。论文的研究内容包括以下几个方面:(1)对进化算法进行简单回顾,然后综述了遗传算法的起源、进化算子、进化过程和有关理论分析,特别对动态优化问题和多目标优化问题的研究现状进行了分析。(2)提出了一种新的求解动态优化问题的多种群遗传算法,该算法采用了两个独立且不同进化机制的多种群方式同时进化,并在检查点进行个体的迁移,从而缓解了群体多样性与群体收敛的矛盾。实验表明该算法全局搜索能力强、优化速度快,在动态变化的环境中具有较强的适应能力,具有较好的优化效果。(3)根据求解多目标优化问题的一般要求,结合当前多目标进化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的结构,提出了一种基于多种群和ε-占优的多目标遗传算法,在算法中采用ε-占优的策略更新外部种群。实验表明,该算法能够求解各种不同类型的多目标进化优化问题,能够保持Pareto解的均匀分布。