近年來，演化計(jì)算作為計(jì)算智能領(lǐng)域的經(jīng)典優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于求解組合優(yōu)化、工程優(yōu)化等理論和工程類的優(yōu)化問題，形成了一種基于演化的智能優(yōu)化方法。針對(duì)高維空間的多目標(biāo)優(yōu)化問題，近年來基于分解的多目標(biāo)演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目標(biāo)或高維多目標(biāo)優(yōu)化問題的難度。根據(jù)分解的形式不同，基于分解的MOEAs又進(jìn)一步細(xì)分為基于聚合的MOEAs和基于參考點(diǎn)的MOEAs。盡管基于分解的MOEAs是目前求解高維多目標(biāo)優(yōu)化問題最有前景的技術(shù)之一，然而它在方法和應(yīng)用層面均存在著缺陷和不足。本書第一部分圍繞該類方法，著眼于“如何在目標(biāo)空間中平衡收斂性和多樣性”“如何在決策空間中平衡探索與開發(fā)”以及“如何進(jìn)行有效的降維”等科學(xué)問題，展開了系統(tǒng)性的研究，旨在進(jìn)一步完善其理論框架并推廣其在具體問題上的應(yīng)用。另外，針對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度這一類典型的NP難工程優(yōu)化問題，本書基于演化優(yōu)化的求解思路，分別研究了面向單目標(biāo)優(yōu)化的融合問題知識(shí)的混合和聲搜索方法（HHS）、面向高維空間單目標(biāo)優(yōu)化的混合和聲搜索和大鄰域搜索的集成搜索方法（HHS/LNS），以及面向多目標(biāo)優(yōu)化的基于目標(biāo)重要性分解的模因演化方法，并在多個(gè)基線數(shù)據(jù)集上取得了優(yōu)異的效果。 本書可作為演化計(jì)算、智能優(yōu)化、大數(shù)據(jù)及人工智能等相關(guān)專業(yè)研究參考和研究生教學(xué)用書。