1、在現(xiàn)實(shí)世界中,很多實(shí)際問(wèn)題的最終目標(biāo)都不是單一的,而是要同時(shí)達(dá)到幾個(gè)目標(biāo)要求。比如,投資問(wèn)題,希望投入最小,而收益最大,考慮問(wèn)題時(shí),就不能只考慮單一的目標(biāo)投入最小或者只考慮收益最大,而是要同時(shí)考慮投入最小化并且收益最大化,這就引出了多目標(biāo)優(yōu)化問(wèn)題。
　　 隨著電子計(jì)算機(jī)的發(fā)展,多目標(biāo)優(yōu)化越來(lái)越多地應(yīng)用于工程優(yōu)化設(shè)計(jì)、地區(qū)發(fā)展規(guī)劃、數(shù)理經(jīng)濟(jì)學(xué)、管理決策等各個(gè)方面。但是,多目標(biāo)優(yōu)化問(wèn)題的研究卻并不完善,很多問(wèn)題仍然沒(méi)有好的解決方法。

2、由于傳統(tǒng)經(jīng)典方法的局限性,近年來(lái)越來(lái)越多的研究者嘗試使用遺傳算法解決多目標(biāo)優(yōu)化問(wèn)題,而且取得了良好的效果。但是,相對(duì)于遺傳算法的廣泛應(yīng)用,遺傳算法的理論研究還很不完整,而計(jì)算量大,計(jì)算速度慢。
　　 在眾多的多目標(biāo)優(yōu)化方法中,使用最多的算法仍然是加權(quán)求和方法,數(shù)學(xué)模型構(gòu)造簡(jiǎn)單,容易理解,而且效率較高。但是,經(jīng)典的加權(quán)求和算法存在兩個(gè)缺點(diǎn):無(wú)法求解非凸Pareto前沿；解的分布不夠均勻。
　　 針對(duì)這兩個(gè)問(wèn)題,本文設(shè)計(jì)了改