近年来,开源软件包管理成为软件产品重用的一种普遍的方式,尤其是在Linux发行版操作系统领域。其中,软件升级问题是软件包管理工具必须要解决的关键挑战之一。软件升级问题旨在按照某种优化准则找出能够满足用户升级请求的最合适的升级方案。优化准则由几个不同方向的优化目标组成,因此,软件升级问题本质上是一个多目标优化问题。现有的解决软件升级问题的方法均是将多个优化目标聚合成为单个目标的形式再进行处理,这些方法都可能没有恰当地考虑不同的优化目标之间的关系,所以会存在潜在的风险:当某一个目标由于权重过大被过度优化时,其他的目标可能会变得糟糕。针对现有的软件升级问题求解器存在的缺陷,本文提出了一个多目标演化框架——SATMOEA。该框架集成了软件升级问题实例解析、约束求解和多目标演化算法,从多目标优化的角度来解决软件升级问题。其中,实例解析由本文设计并实现的CUDF语法解析器完成,CUDF语法解析器能够将CUDF格式文档转化为描述约束满足问题的CNF格式文档。约束求解是使用快速采样技术对实例解析得到的CNF文档进行求解,能够得到大量的可行解。本文的多目标演化算法框架以约束求解得到的大量可行解作为初始种群,进行演化迭代,搜索帕累托集;为了解决演化算子对中间解的扰动导致中间解极易失去可行性的问题,本文提出了中间解的修正算法,并将其集成在演化算法框架中,该算法能够将不可行解修正为可行解,大大提高了演化结果中可行解的比例;另外,本文参照模拟退火算法的思想,提出一种动态调整固定比例的操作策略,从而进一步优化了演化算法得到的帕累托集的质量。最后,本文基于国际软件升级问题求解器竞赛提供的软件升级问题标准实例集进行实验,结果表明对于有着大量约束条件的复杂问题实例,多目标演化框架在一次运行中即能够有效地计算出在各个优化目标均达到帕累托最优的解决方案,相较于现有的升级问题求解器提供的升级方案更加多样,并且在一些优化目标上更具优势,存在不被现有的其他求解器占优的解决方案,可以为用户提供更多的可选的解决方案,以满足用户在不同应用场景下的需求。