进化算法是模拟生物界的进化过程而产生的一种现代优化方法,作为一种有效的随机搜索方法,在优化方法中具有独特的优越性,有着非常重要的意义和及其广泛的应用.传统优化方法对目标函数解析性质要求较高,进化算法不需要目标函数的导数信息,具有隐式并行性,所以常用于解决一些复杂的、大规模的、非线性、不可微的优化问题.首先,该文对无约束优化问题提出了一个新的进化算法,这种算法利用平滑技术构造了一个新的适应度函数,并适时结合一维搜索去解决无约束优化问题.新的适应度函数具有有效去除部分局部极小点的优越性能,使得整个算法大大减小了陷入局部最优的可能性;而新的杂交算子和适时一维搜索使得算法更迅速有效的找到全局最优.其次,把原约束优化问题转换为只有两个目标函数的多目标优化问题,并针对新的模型设计了新的遗传算子,在此基础上对新的模型设计了一个新的遗传算法.通过求解多目标优化问题而得到约束优化问题的最优解.数值试验表明算法是有效的.