智能优化算法在求解优化问题特别是NP-hard问题领域有着非常重要的地位。随着智能优化算法在理论和实际应用中的快速发展,所面临问题的复杂度和数据密度不断提高,原有的算法结构与实现方式使得问题的求解效率相对较低。这一现象在求解多目标问题时尤为突出,在求取Pareto前沿时,算法的时间复杂度相对较高,降低了算法的求解速度。针对多目标进化算法的这一问题,本文引入了基于CUDA(Compute Unified Device Architecture)平台的并行化解决方案,加速算法的执行效率,使得多目标进化算法能够应用于更加广阔的领域中。本文首先从宏观角度阐释了多目标优化问题、多目标进化算法以及基于CUDA的并行编程模型,然后详尽介绍了多目标进化算法的发展现状及相关概念,进而提出了新的基于CUDA的并行多目标进化算法,将基于共享机制的小生境技术以及其改进方法基于密度熵的分布保持策略应用其中。通过实验表明,该算法在处理ZDT系列多目标优化问题上,相比于传统算法具有更加优秀的收敛效率。最后针对化工过程优化问题,以汽油调和优化为例,将本文提出的基于小生境的并行算法应用于与其对应的有约束的多目标问题模型；以补料分批生化反应为例,将本文提出的基于密度熵的并行算法应用于与其对应的动态多目标问题模型。在上述应用实例中,本文算法均得到了令人满意的加速效果。