进化算法作为一种群体智能搜索方法在解决多目标优化问题方面有着许多优势,研究进化算法求解多目标优化问题已成为进化计算领域的一个研究热点，但是在求解复杂的多目标优化问题时，仍存在收敛性不佳和解的分布性差等问题。基于此，为了改善算法的性能，本文提出了2种改进的进化算法。第一种是基于多策略差分进化的元胞多目标遗传算法（MDECell），通过分析不同差分进化模式的优劣，结合元胞模型，定义了一种多策略差分协同进化的选择算子；针对当前拥挤距离评估方法存在的缺陷，引入一种基于熵的拥挤距离评估方法，同时改进了替换策略。通过实验证明该算法相对于非支配排序遗传算法（NSGA-II）、元胞多目标遗传算法（MOCell）和混合元胞遗传算法（CellDE）不仅具有更好的收敛性和多样性，而且在解的覆盖率上得到一定程度的提高，尤其适合于高维复杂多目标优化问题的求解。第二种是多策略差分进化的元胞多目标粒子群算法（MPSOCell），其中该算法在分析粒子群优化原理基础上，将元胞自动机理论融入粒子群算法，研究粒子种群的交流结构和信息传递机制。为了避免粒子飞行速度过快陷入局部收敛，提出一种限制粒子飞行速度的策略，并引入一种多策略差分进化选择算子增加对粒子的扰动。实验证明，该算法相对于比较算法，有更好的收敛性和多样性。为了进一步验证算法的效果，将MPSOCell算法应用于桁架结构静力多目标优化设计问题中，通过对比实验，MPSOCell算法相对其他算法收敛精度高，获得的极端点扩展更好，Pareto前端分布更加均匀，而且所得的解集能够包含单目标优化的最优解。