本文的目的是研究进化算法,特别是具有量子行为的粒子群算法,解决多目标优化问题。在科学应用和实际应用领域中,普遍存在着多目标决策的问题,各个目标之间往往是相互冲突的,要解决此类问题需要科研人员投入更多的精力。因此,解决多目标优化问题是一个非常有实际意义和科研价值的课题。本文首先讨论了目前解决复杂优化问题的一种有效方法-进化计算,介绍了该领域中的一种群体智能算法-粒子群算法(Particle Swarm Optimization,简称PSO),着重介绍了一种新的具有全局收敛性的算法-具有量子行为粒子群算法(Quantum-behaved Particle Swarm Optimization,简称QPSO)。然后将PSO算法与QPSO进行了比较,对已有的多目标粒子群算法进行了分析。在QPSO算法的基础上,结合其他解决多目标优化问题的进化算法技术,研究了两种改进的多目标粒子群算法-基于向量求值的QPSO算法(VEQPSO)和基于目标加权的QPSO算法(WAQPSO)。前者是采用基于向量求值的PSO算法(VEPSO),结合QPSO算法而形成的,后者则是将WAPSO思想与QPSO算法结合而成的。通过使用一些标准的测试函数对算法进行仿真,并将测试结果与文献中算法相比较,结果表明:QPSO算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线,验证了QPSO算法求解多目标优化问题的有效性。最后,把求解约束规划问题归结为多目标优化问题,利用文中提出的WAQPSO算法进行求解,利用测试函数进行了测试,结果表明WAQPSO具有良好的性能。