全书详细介绍了多目标进化算法理论及其应用，着重聚焦多目标进化算法研究领域的两个热点问题：大规模变量优化(Large-scaleVariableOptimization)和高维目标优化（Many-objectiveOptimization）。在大规模变量优化方面，引入关联变量的概念，并将合作协同进化框架融合到多目标进化算法中，提出大规模变量分解、周期性变量分解和分组分解等多种变量分解策略，提高关联变量分配到同一组的概率。在高维目标优化方面，利用决策者偏好信息、协同进化机制以及改进Pareto支配关系等方法处理高维目标优化问题，着重介绍了双极偏好占优的高维目标进化算法、偏好集驱动的协同进化算法、膝盖点引导的偏好集协同高维目标进化算法、基于角度惩罚距离精英选择策略的偏好高维目标进化算法和基于alpha支配的高维目标进化算法。最后，本书介绍了通信网络、供应链和工程设计等领域的实际大规模高维优化问题，并利用上述优化方法对其进行建模求解，仿真结果表明算法所求解集拥有更好的收敛性和更多的优秀解。