近年來，演化計算作為計算智能領域的經典優(yōu)化技術，已經廣泛應用于求解組合優(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。針對高維空間的多目標優(yōu)化問題，近年來基于分解的多目標演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目標或高維多目標優(yōu)化問題的難度。根據分解的形式不同，基于分解的MOEAs又進一步細分為基于聚合的MOEAs和基于參考點的MOEAs。盡管基于分解的MOEAs是目前求解高維多目標優(yōu)化問題最有前景的技術之一，然而它在方法和應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“如何進行有效的降維”等科學問題，展開了系統(tǒng)性的研究，旨在進一步完善其理論框架并推廣其在具體問題上的應用。另外，針對多目標柔性作業(yè)車間調度這一類典型的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優(yōu)化的融合問題知識的混合和聲搜索方法（HHS）、面向高維空間單目標優(yōu)化的混合和聲搜索和大鄰域搜索的集成搜索方法（HHS/LNS），以及面向多目標優(yōu)化的基于目標重要性分解的模因演化方法，并在多個基線數據集上取得了優(yōu)異的效果。 本書可作為演化計算、智能優(yōu)化、大數據及人工智能等相關專業(yè)研究參考和研究生教學用書。