多目标优化算法的最终目的是获得均匀分布在整个Pareto面上的一组最优解。在处理实际中的具体问题上,决策者往往需要的只是集中在某一特定区域上的解,而区域范围之外的解对决策者的决策无关紧要,搜索这些无用解浪费了很多计算资源。为了可以有效地处理这类问题,研究者们提出了一种偏好多目标优化算法。偏好多目标优化算法是在多目标优化算法的基础上通过某个切入点加入决策者的偏好信息,这样可以减少算法的计算复杂度,更快速的求得令决策者满意的偏好解。所以,本文对偏好多目标优化算法进行研究,提出了一种基于参考向量的偏好多目标优化算法,并利用大量测试函数对该算法进行有效性验证;然后对精馏过程建立数学模型并利用本文提出的偏好方法对精馏的能耗和产量这两个目标进行优化。本文主要的工作归纳如下:1首先对偏好多目标优化算法进行研究,对偏好的引入方法和分布性保持方法进行研究总结,然后自己设计一种有效的偏好多目标优化算法,并说明了在设计偏好多目标优化算法时,应该考虑的重点,包括如何保证偏好区域的可控性以及分布性等等2提出了一种基于参考向量的偏好多目标优化算法(Reference Vector Of Non-Dominated Sorted Genetic Algorithm-Ⅱ,RV-NSGA-Ⅱ),并在此模型的基础上,提出了一种改进的支配关系。为了解决参考点方法的缺陷,本文在参考点方法的基础上引入了参考向量,利用参考向量携带决策者的偏好信息,提出了一种基于参考向量的偏好引入方法,并在一系列测试函数上进行实验验证,实验结果表明本文提出的RV-NSGA-Ⅱ算的性能对偏好点的位置不敏感、偏好区域可以通过偏好半径灵活控制以及偏好解收敛速度更快的优点。3对精馏过程进行建模优化。首先建立精馏过程的模型,然后对精馏的能耗和产量进行数值优化,最后用本文提出的偏好算法优化精馏过程的能耗和产量两个目标,由优化结果可以看出,用带有偏好的多目标优化算法优化的效果会更好。