在过去的二十年,进化算法(Evolutionary Algorithm,EA)由于其结构简单、易加入启发式想法的特点,在理论层面、实际工程应用方面有着飞速的发展,显示出卓越的性能。另一方面,随着我们对自然过程不断改造、工程项目日益扩大、需求不断增长,各种复杂的优化问题随之出现,分析设计复杂系统的要求越来越高,这类问题往往包含多个待优化的目标,称之为多目标优化问题。而传统的优化技术如数学规划、梯度下降法等难以求解。基于启发式的群智能优化方法由于能在单次运行中提供一组候选解,且无需优化问题的先验信息,使得基于群智能的优化方法成为求解多目标优化问题的天然的、有效的框架。粒子群优化算法通过追随个体历史最优、全局最优解,在搜索空间寻优,简洁、高效的特点使其在单目标、多目标优化方面都有着较好的应用。但是,在求解多目标优化问题时,两个最优解由于空间关系的改变,很难被确定。传统的基于Pareto方法在遇到多峰、欺骗等复杂问题时,效果会急剧下降。另外,粒子群算法在理论研究方面的缺乏阻碍了算法的开发以及在实际问题上的应用。针对以上问题,本文从支配的本质出发,提出几类基于排序的框架,并结合粒子群算法,高效地解决了多目标粒子群算法中最优个体选取,在取得收敛性的同时又不失多样性。在此基础上,结合提出的多发电主体模型,应用于小水电优化调度问题,为梯级小水电优化调度提供了新的思路。论文主要工作包括:(1)结合排序策略,提出了一种对多目标粒子群算法具有重要参考意义的最优解的选取框架。以往多目标粒子群算法中最优解的选取大多基于Pareto支配,结合密度拥挤距离,对最优解进行选取,效率低下且效果欠佳。针对这一问题,本文从排序策略出发,结合个体在解空间中的分布信息,能简洁、高效地获得群体内最优解,显示了对比Pareto-based方法在处理多目标优化问题上的优势,为多目标粒子群优化算法处理多目标问题、特别是高维优化问题提供了一种新的思路。此外,目前进化算法中评价指标大多从进化角度出发,缺少对排序方法的评估,本文设计了一个既能从收敛性角度、又能对排序效率进行考量的指标,并对常见几类排序方法进行了测试。(2)提出了一种基于网格排序的策略,应用于多目标粒子群算法。以往基于网格策略的研究都是以解空间中个体为对象进行计算,不一定能保证算法的收敛。本文利用网格同时表征收敛性与分布性的特性,通过坐标映射,利用对个体在网格坐标系中占优情况进行排序,结合最优解选取框架,提出了一种基于网格排序的多目标粒子优化算法。(3)提出了一种基于全局余量排序的方法。传统的基于Pareto支配是基于个体两两比较获取支配信息,难以获得整个种群中明晰的信息、与目标之间一一对应关系。针对这一问题,本文从占优出发,提出一种基于全局余量排序方法,利用目标空间中个体的位置信息获得整个种群的支配信息。结合最优解选取框架,提出了一种基于全局余量排序的多目标粒子优化算法。(4)利用随机过程理论,对粒子群算法停滞时的收敛特性进行了分析。从标准粒子群算法的收敛性出发,分析了多目标粒子群算法的收敛性、以及本文提出的基于排序框架下多目标粒子群算法的收敛性能,为算法的研究提供了一定的理论支撑,也为实际应用奠定理论基础。(5)提出小水电梯级多发电主体调度模型,以江西泸水河流域为实例研究对象,利用本文提出的多目标粒子群算法进行求解。以往的调度研究只关注梯级发电收益,忽视了梯级内多个发电主体的关系,造成理论研究难以应用于实际。针对流域内联动机制缺乏、管理水平差异导致水能资源浪费、电站运行不稳定等问题,本文利用多目标进化算法的约束处理能力、提供多个候选解的特点,考虑流域内各主体之间的耦合关系,利用多目标粒子群算法求解多发电主体模型。表明了算法的可行性与工程实用性,为梯级联合优化调度提供了一种新的思路。