随着我国近30年的经济高速发展，国家和各级组织对经费分配的决策需要更加的科学、更加的有效。经费分配决策是一个多目标优化问题，遗传算法在求解多目标问题的全局性和高效性使它成为解决经费分配问题的重要手段之一。目前已有大量文献资料表明将遗传算法应用到多目标优化中是可行和有效的，但也存在一定的问题，如早熟问题等。在遗传算法中加入单纯形思想可以有效提高搜索的效率，优势明显。　　 由于遗传算法局部搜索能力不强，计算量大，效率较低。而与之相反的是，许多传统的优化算法的局部搜索性能较好，所以有效的结合二者，取长补短，设计出高效的、具有全局优化性能的、适合多目标问题的优化算法是本论文的研究目的。　　 本文首先分析了本课题的研究目的，意义及目前国内外的研究状况，提出课题研究的必要性。着重介绍了遗传算法相关理论，如交叉操作，变异操作等。并介绍了遗传算法的一些特点，分析了遗传算法的全局性和容易过早收敛，指出遗传算法当前的一些研究方向。　　 然后，介绍了多目标优化的基本概念，多目标优化如何分类，进而引出多目标优化演化算法。介绍的多目标演化算法的发展情况、第一、二代算法区别，并对几个经典的算法进行说明，比较了它们的优缺点，其中最主要是详细的说明了NSGA-Ⅱ的基本概念及工作原理。　　 最后，在引入单纯形算法和K步随机的思想，对遗传算法进行改进，提出单纯形混合遗传算法。提出经费分配的优化模型，编程实现单纯形混合算法且用此算法和NSGA-Ⅱ做仿真和实例实验对比。实验证明，改进遗传算法与NSGA-Ⅱ相比，可以有效提高收敛性，加快搜索的速度。　　 本文的研究工作预期对经费分配领域的研究起到一定推进作用，也为求解实际问题提供了一种可能的新方法，具有一定的理论意义和实际应用价值。本论文涉及单纯形算法、多目标优化理论、遗传算法，是一种多学科交叉课题。