این پایان نامه روش های بهینه سازی چند هدفه تکاملی بر اساس ابر حجم را مورد بررسی قرار داده و سعی در ارائه روشی موثر و کارا بر اساس معیار ابر حجم دارد. امروزه روش های تکاملی برای حل مسائل بهینه سازی چندهدفه به دلیل قدرت بالا و قابلیت جستجوی به طور موازی، به عنوان بهترین روش در نظر گرفته می شود. هدف نهایی در این گونه از مسائل، رسیدن به مجموعه ایی از اعضای غیر مغلوب با بیشترین مقدار پراکندگی (توزیع) است. اصطلاحا به مجموعه اعضای بهینه در فضای هدف، جبهه پارتو و به نگاشت این اعضا در فضای تصمیم، مجموعه پارتو گفته می شود. در این پژوهش سعی شده، با ارائه رویکردی جدید بر اساس ابرحجم وزنی اصلاح شده ،معیار پراکندگی مجموعه ها را در فضای تصمیم بهبود داده شود. برای این منظور با استفاده از دو روش پیشنهادی بر اساس فاصله اقلیدوسی و روش های خوشه بندی سلسله مراتبی معیار پراکندگی اعضای مجموعه غالب را محاسبه کرده و با یک روش هوشمندانه با معیار های سازگار با جبهه پارتو، ادغام می نماییم. برای ارزیابی روش های پیشنهادی ، از یک سری توابع آزمایشی چند هدفه استاندارد که در تحقیقات مشابه نیز به کار برده شده است، استفاده کرده و با پیاده سازی انجام شده، نتایج روش های پیش نهادی را با سایر روش های موجود بر اساس معیار ها مختلفی مورد مقایسه قرار می دهیم. نتایج آزمایشگاهی و نمودار های مقایسه ای به صورت کاملا واضح نشان می دهند که روش های پیشنهاد شده در این پایان نامه از عملکرد بالاتری بر اساس معیار پراکندگی مجموعه ها در فضای تصمیم برخوردار بوده و توانسته اند مقادیر جواب های بهینه پارتو پراکنده تری در بین کل اعضای جواب به دست آورند.همچنین به لحاظ کارایی در فضای هدف توانسته اند که با سایر روش های مطرح در این حوزه رقابت کنند.