多目标优化问题不仅在工程实践、航空设计等众多领域有着实际而广泛的应用,同时在生活中无处不在,例如所在城市的布局、各种物流配送和互联网产品用户反馈的行为路径等等。多目标优化问题中的各个目标之间通常相互制约、相互冲突,意味着所有的目标不可能同时达到最优的情况。这为有效地解决多目标优化问题带来了一定的难度。近几年,智能算法在多目标优化问题研究上取得了很大的进展。但是在面对一些复杂问题时,通常得到的效果参差不齐,得到的解常常过早收敛或分布不均。本文通过对多目标粒子群优化算法进行有效改进,以提高其收敛性。主要内容包括:（1）提出了一种新的余弦距离和博弈策略的多目标粒子群优化算法。该算法采用了余弦距离对外部存档中的Pareto最优解集的近似解进行了更新,此策略有利于外部存档的维护,提高解的收敛性和种群的多样性。同时建立候选集,替换从外部存档中删除的非支配解。为了增强全局领导者的选择压力,提出了一种结合余弦距离和博弈策略选取全局领导者的方法。此外,突变还被用来维护种群的多样性,防止种群过早收敛到局部最优位置。（2）提出了一种动态种群规模的多目标优化。本文使用多群的方式去解决粒子群优化算法过早收敛问题以及促进种群的多样性。它采用种群增长的自适应策略用以增加种群规模,使用变异操作和反向搜索策略增加种群的多样性。然后采用了种群减少的分布估计评价策略,一方面评价所有非支配解的分布,选出全局领导者;另一方面移除分布性差的非支配解,减少种群规模,防止种群规模过度增长。通过动态调整种群规模的方法,以提供算法在不同阶段的计算资源需求。同时促进种群之间的竞争,向全局最优收敛,从而维护种群的多样性。