多目标进化算法（MOEAs）主要依靠非支配解排序推动种群搜索Pareto前沿，在种群迭代搜索前期具有较好的全局寻优性能，但进化后期易出现收敛停滞现象，影响算法对于复杂优化问题的全局寻优能力。由此提出了一种基于静态贝叶斯博弈策略的多目标进化算法（SBG-MOEA），将每个优化目标模拟为一个博弈参与者，以多次迭代中优化目标Pareto优化收敛程度映射为博弈收益，通过损益纳什均衡博弈机制驱动种群的Pareto寻优，理论分析证明了该方法具有全局收敛特性。基准测试函数的优化实验表明，与NSGA-II等经典算法相比，贝叶斯博弈策略有助于增强进化种群全局搜索能力。