在实际生活中，广泛存在着多目标问题。其中，磨矿分级过程是选矿过程中的关键环节，也是一个复杂、非线性的多目标问题，利用多目标优化算法优化磨矿分级过程具有很重要的意义。传统的优化技术难以解决不连续、非线性等复杂特性的优化问题。进化算法为解决多目标优化问题提供了一个新途径，而多目标进化算法也是近20年进化算法领域的研究热点之一。随着进化算法的发展，出现了很多经典算法。其中，粒子群算法因其概念简单、易于结合、运行效率高等特点，一直是近几年研究的热点之一，被拓展用于解决多目标优化问题。随着动态多种群思想的提出，引起了粒子群算法的又一个研究热潮。动态多种群粒子群算法，利用种群分组加强局部搜索能力，利用动态重组来增加种群的多样性，局部最优解的更新机制有效的提高了种群多样性，而且加快算法收敛速度，已经成功的应用于很多领域，是一个有效的多目标优化算法。本文针对陷入局部最优的缺点，在动态多种群基础上，增加外部集的扰动，进一步加强跳出局部最优的能力，并与其他经典算法进行比较，对标准无约束测试函数的仿真结果表明加入的扰动是有效的。针对约束多目标问题，本文在改进的动态多种群粒子群算法上，结合双档案策略和改进的可行性规则，将可行解、不可行解分开保存，减少粒子间比较次数，利用部分违反约束小的不可行解引导算法收敛到真实的前沿。通过对标准有约束测试函数的仿真，并和禁止不可行解的方法进行对比，表明算法在利用不可行解方面具有较好的效果。最后将提出的算法运用到实际的磨矿分级过程的优化控制中，利用文献中建立的相似性模型，并采用基于TOPSIS的决策方法得到了磨矿优化控制的最优值，给实际的工业过程理论指导，便于提高磨矿分级过程的生产效率。