针对连续型变量与离散型变量的多目标优化问题,分别提出基于博弈策略的多目标粒子群优化算法和面向旅行商问题(TSP)的协同进化粒子群优化算法。围绕群智能算法的优化原理与多目标优化问题的求解模型,论文的主要研究成果概括为:(1)根据博弈论的思想,提出一种基于博弈策略的多目标粒子群优化算法,将目标函数看作智能体引领个体往各自有利的方向搜索,它们根据自身的效应函数制定不同的搜索策略。从理论上分析了基于博弈策略的多目标粒子群优化算法的收敛性质,通过多个基准测试算例,对算法的性能进行验证,结果表明算法是有效的。(2)基于协同进化的思想,提出了一种面向TSP问题的协同进化粒子群算法(N-EPSO),结合一种适合TSP问题与粒子群算法的特殊编码方案,在此基础上新定义了两个粒子间的位置“加法”运算,替换原来的速度方程,以实现粒子间的信息交换,然后增加一个变异算子,用来保持种群的多样性,防止早熟收敛。(3)进一步改进N-EPSO算法的性能,基于蚁群算法的局部信息素更新原理和模拟退火算法的扰动算子组成新的变异算子,在算法的收敛速度和保持种群多样性上取得平衡,提升了算法的性能。(4)针对多目标TSP问题的优化模型,综合上述算法并做相应的优化调整,应用到多目标TSP问题的优化求解中,引进归档集,保存当前搜索到的Pareto最优解,通过仿真实验对算法进行验证。粒子群算法作为一种新兴的进化优化方法,能够大大减轻复杂的大规模多目标优化问题的计算负担,本文的研究工作对研究多目标粒子群优化算法,拓展粒子群算法的应用领域,特别是实际工程优化中存在的离散变量多目标优化问题具有重要的理论意义与实际意义。