在工程实践中存在大量约束多目标优化问题。传统的基于梯度策略的优化方法对函数形式要求过高,面对不连续、不可微、无显式表达等复杂问题时,往往无能为力。而粒子群作为一种群集智能进化算法,通过群体微粒间的合作与竞争产生的群体智能指导优化搜索,同时它特有的记忆能力使其可以动态跟踪当前的搜索情况以调整搜索策略,不依赖问题的自身信息,全局寻优能力强,已成为优化领域的研究热点。通过对粒子群算法的深入研究,探索面向约束多目标优化的改进策略,并应用于锌电解过程的能耗优化。为此,针对基本粒子群算法容易陷入局部极值、后期收敛速度慢的问题,提出了禁忌粒子群混合优化算法,一方面通过长时禁忌来指导全局极值的选取,防止算法过度趋同；另一方面采用基于种群多样性的禁忌搜索变异,跳出局部极值。结合禁忌搜索强大的爬山和邻域搜索能力,有效增强了粒子群算法在求解高维单目标优化问题时的收敛速度和收敛成功率。扩展粒子群算法求解约束多目标优化问题的关键在于设计合理的约束处理机制。为此,提出了采用距离量度和自适应惩罚函数相结合的约束处理技术,基于原目标函数值和个体总的约束违反程度,构造新的目标函数,用于粒子群进化操作,并通过可行解比例,有效均衡目标函数和约束条件,提高算法的边界搜索能力；提出基于k最近邻聚集密度的解集分布度保持策略,并将聚集密度和轮盘赌选择相结合选择全局领导粒子,将Pareto支配扩展到约束空间,选取个体领导粒子,同时采用TS搜索变异保持种群多样性,通过对不同测试函数的仿真,表明了算法在解集收敛性和分布度方面均具有一定的优势。最后将提出的约束多目标粒子群算法应用到锌电解过程能耗优化模型的求解,并采用基于TOPSIS的多属性决策方法得到最终的满意解,有效地实现了锌电解过程的能耗优化控制,取得了明显的节能降耗效果。