多目标优化问题在现实生活中到处可见,对它的研究更符合实际发展,具有重要的研究意义。在多目标优化问题中,所要优化的问题往往有多个目标,这些优化目标之间又相互冲突,因而多个目标很难同时达到最优。利用传统的多目标优化的方法来解决这类问题存在着很多缺点。近些年来,多目标进化算法逐渐成为解决多目标优化问题的一种热门方法,用进化算法求解多目标优化问题得到了广泛的应用。其中差分进化算法作为进化算法中的一种,具有结构简单、鲁棒性强等优点,易于与其它算法相结合构造有效的混合算法来求解实际的多目标优化问题。本文旨在基于差分进化算法对多目标优化问题的求解来进行研究,主要的内容如下:首先,针对传统的多目标差分进化算法中使用单一的变异算子容易使得算法陷入局部最优,出现早熟收敛的现象,为此提出了一种自适应变异操作,它能够根据算法搜索过程的进展情况自适应地确定变异率的大小。同时算法还采用了一个外部存档集合来保存迭代过程中所搜索到的非劣解,这样可以防止优秀个体的流失,加快解的收敛,使种群的非支配解集不断地逼近最优边界,算法迭代终止时输出最终的外部存档中的解。最后算法通过对标准的测试函数进行了反复测试及比较,表明改进后的算法在五个测试函数上相比其它几种多目标算法具有一定的优势。其次,将差分进化算应用于多目标作业车间调度问题的求解。为了将它成功地运用在实际工程优化问题的求解中,对差分进化算法先进行离散化操作,改变它的编码方式使其适合求解离散问题。离散差分进化操作采用差分进化算法的框架,具有快速收敛的优点,但是在解决作业车间调度问题时容易陷入局部最优,它相比克隆选择算法局部搜索能力较差,为此提出了一种基于离散差分进化算法和克隆选择算法相混合的多目标差分进化算法,算法中加入克隆选择操作用以提高算法的局部搜索性能,充分利用各自的优点。将改进后的算法用于多目标作业车间两目标调度问题的求解,通过大量车间调度实例的仿真实验,验证了算法的有效性,而且取得了较好的非支配解。最后,对本论文的研究工作进行了总结,提出了展望。