多目标优化算法在解决具有多个相互冲突目标的问题时具有重要作用,在现实生活的各个方面都有着广泛的应用。粒子群优化算法是通过模拟鸟群觅食发展出来的一种群智能算法。相比于其它群智能算法,粒子群优化算法在解决多目标优化问题时具有参数少、收敛速度快等特点,但也存在容易陷入局部最优等不足。本文在查阅相关资料和系统研究多目标粒子群优化算法的基础上,对多目标粒子群优化算法的分布性能和收敛性能进行了改进,并将改进后的算法应用到Web服务组合的优化问题中。本文的工作主要集中在以下几个方面:1.提出采用子群分层的粗粒度模型来提高粒子群优化算法的性能,将整个粒子群在进化过程中分为若干个子群,不同子群在进化过程中所起的作用不同,子群独立进化,每隔一定的迭代次数后各个子群之间进行信息交换,通过这种方式提高粒子在搜索域的广度。2.提出采用动态调整策略来提高粒子群优化算法在解决多目标优化问题时的分布性能和收敛性能。在进化过程中对外部Pareto解集进行检测,通过外部Pareto解集的更新情况来评估算法的进化状态,根据不同的进化状态来调整进化策略,保证算法在进化过程中兼顾分布性能和收敛性能。3.针对Web服务组合优化问题,建立以执行时间和服务费用为优化目标,信誉等级和可靠性为约束条件的多目标优化问题模型,采用两种策略结合后的多目标粒子群优化算法进行优化解决,并通过对比分析,验证两种策略在实际应用中的可行性和有效性。