经过二十多年的发展，多目标遗传算法由出现逐渐走向成熟。作为遗传算法的一个重要分支，它不仅在学术上得到广泛的研究，在工程应用领域也受到日益重视。它继承了遗传算法不需要搜索空间的知识或其它辅助信息、易于与并行计算相结合等优点，在解决多目标优化问题上，它克服了传统优化方法固有的需要专家知识以确定权矢量、一次只能生成单个解等缺点，因而受到广泛的重视。　　 首先，本文结合jMetal开源框架[1]分析了当前各种多目标遗传算法所共有的一些缺点。为克服这些缺点，本文着眼于基于Pareto优胜关系并且具有精英保留策略的多目标遗传算法，按两个基本性能目标从这类算法分离出相应的两个处理过程——精英挑选算子和多样性保持算子。在此基础上，本文挑选了获得广泛认可和研究的三个算法：NSGA-Ⅱ[2]、SPEA2[3]和PAES[4]作为范例，详述了上述两个算子不同的实现方法。这些对多目标遗传算法的改造都在jMetal框架上获得了实现，并形成了新的接口框架。利用新框架，本文用实验显示了本次研究对算法性能的提升：　　 ●可以通过赋予算子参数不同的值，考察不同参数下算法不同的性能结果。　　 ●可以设定相同的框架条件，精确比较同一个算子的不同实现方法产生的不同性能，得到不同实现方法之间的优劣关系。　　 ●可以直接改造其它多目标遗传算法，即用更好的算子实现方法代替算法原来的实现方法。　　 ●还可以对不同的问题选择不同的算子实现方法，以获得最优的性能(在本文的试验中，获得了和最新算法ABYSS[5]可比较的结果)。