Dans plusieurs secteurs d'activit comme l'aronautique, l'informatique, l'environnement, le transport et autres, les dcideurs sont confronts  des problmes de complexit grandissante. Il peut s'agir d'optimiser le trajet d'un vhicule, de minimiser des cots de production, de supporter la prise de dcision ou encore d'ordonnancer les processus dans un systme informatique. Dans de nombreux cas, le problme  rsoudre peut s'exprimer comme un problme d'optimisation combinatoire qui est rarement uni-objectif. En effet, la plupart des problmes d'optimisation combinatoire rencontrs dans la pratique ncessitent l'optimisation simultane de plusieurs objectifs souvent contradictoires. C'est par exemple le cas pour le problme d'ordonnancement de voitures (POV). Toutefois, malgr l'intrt indniable d'aborder les problmes industriels d'un point de vue multi-objectifs, plusieurs auteurs ont not que les chercheurs s'attardaient principalement  des contextes thoriques de base. Dans ce livre, nous proposons des approches bases sur des algorithmes volutionnaires permettant de rsoudre efficacement des problmes industriel multi- objectifs comme le POV.