调强放射治疗是放射治疗中一项里程碑式的技术，改变了传统适形放疗技术“试错”的操作流程，逆向计划优化借助最优化方法，能够提供一个最优或较优的治疗计划。然而传统逆向计划优化通常采用目标加权等方式建立单目标模型，导致结果难以达到最优化。虽然多目标优化克服了单目标模型带来的问题，但是存在数学模型建立困难、计算耗时等难题。本文对调强放疗中的多目标优化方法进行了深入的研究，以解决上述问题并达到调强放射治疗多目标优化实用化的目的。　　首先，根据广泛的调研和分析，结合具体临床实际，在课题组前期研究基础上，发展了基于共轭梯度法耦合序列最短路径子野生成的直接子野单目标优化方法。通过将原始问题分解为两个子问题，并分别用共轭梯度法和序列最短路径子野生成法来解决，该方法可以在快速确定性收敛的方法基础上尽可能的探索全局最优解。通过前列腺癌和肺癌两个临床病例的测试，发现该方法可以在10分钟内得到满足医生要求的治疗方案。　　其次，本文发展了基于Pareto近似优化算法的强度分布多目标优化方法。建立了强度优化多目标凸优化模型，选取了Pareto近似优化算法来解决此问题。通过迭代构建Pareto解集的上下限，并计算局部Pareto解的分布疏密，逐步逼近Pareto前沿解集。通过对前列腺癌病例和肺癌病例的测试，该方法能在数十分钟内找到最优解，同时能够生成均匀分布的Pareto解集曲线。　　最后，本文建立了直接子野多目标优化的多层次模型，采用基于松弛变量的共轭梯度法来解决此问题。该模型第一层次通过对原问题进行松弛化处理，得到确定的目标函数重要性因子;在第二层次中通过耦合基于确定性方法搜索的权重因子和基于共轭梯度法的单目标优化方法，可以有效的得到Pareto解集。通过对前列腺癌病例和肺癌病例的测试,该方法能在数十分钟内产生满足要求的Pareto解。优化后的剂量体积直方图显示各靶区和危及器官的剂量分布均满足处方剂量要求，具有较强的应用价值。