在自然学科和社会学科领域中存在很多多目标优化问题,传统的多目标优化方法对复杂优化问题难以有效求解。基于Pareto概念的多目标进化算法由于具有高效的搜索能力,己成为当今研究热点。差分进化算法作为一种新兴的进化计算技术,具有全局搜索能力强、收敛速度快、简单易行等优点,已在优化领域得到了广泛的关注。本文对差分进化算法进行深入探索和研究,并与局部搜索算法进行有机融合,旨在针对多目标优化问题设计高效的差分进化混合算法,并应用求解磨矿分级过程多目标优化问题。论文通过对多目标优化方法和差分进化算法进行分析研究,针对目前一般多目标差分进化算法中存在的退化现象和“早熟”问题,提出一种多目标差分进化混合算法。通过改进的选择操作合并父代和子代所有个体,进行Pareto非劣排序,加强各个体间的信息交流和充分比较,防止退化；并对个体的排序指标进行改进以克服搜索不均匀的问题；同时融入了单纯形局部搜索,以期能够丰富优化过程的搜索行为,达到脱离局部最优、提高搜索效率的目的。进一步对约束多目标优化问题的约束处理机制进行研究,提出了基于多种群差分进化的约束多目标混合优化算法,对某些具有优良特性的不可行解采取保留和随机优化策略,避免了惩罚函数的构造,同时避免了一些有意义的不可行解被删除或忽略。通过测试函数仿真表明,提出的算法能够快速有效地收敛于真实Pareto前沿,获得高质量的解集,具有较好的分布性。最后,将基于多种群差分进化的约束多目标混合优化算法用于求解磨矿分级过程产品产量和质量的多目标优化问题,采用TOPSIS决策获得优化磨矿分级过程的最优方案,达到提高生产效率的目的,获得最大经济效益。