粒子群算法PSO（Particle swarm optimization）是从自然界生物活动和群体觅食过程中获取灵感,而演变成的一种随机搜索算法。凭借其结构简单、寻优速度快等优点,现在已广泛应用于科学和工程领域。大量的研究表明,粒子群算法在处理连续空间和离散空间问题时表现出不错的全局搜索能力,但在实际的应用过程中,粒子群算法也存在着随机搜索算法比较普遍的缺点。本文主要对粒子群算法的缺点进行改进研究,并拓展了其应用领域。针对PSO算法难以较好地平衡收敛性和多样性的问题,本文在PSO算法的基础上,引入参考向量来进行引导,设计了一种参考向量引导的多目标粒子群优化算法RVGMOPSO（Reference vector guided multi-objective particle swarm optimization）。通过生成参考向量,将粒子种群的运行空间划分为多个子空间,让粒子在其各自的子空间内进行收敛和学习,进而保证粒子运行的收敛性。之后,通过参考向量自适应机制,避免了种群陷入局部最优的困境。在该算法运行过程中,多样性保持机制贯穿算法的全过程。最后,通过与多目标优化算法NSGA2和SPEA2以及多目标粒子群算法MMOPSO和MPSOD在测试函数DTLZ1-7和WFG1-9上进行初步地对比分析,证明该算法使粒子种群的收敛性、多样性和求解精度都得到了提高,避免了粒子群算法易出现的早熟收敛和进化后期收敛速度慢等缺点。在应用方面,直流微电网作为未来智能化配电系统的重要组成部分,具有能量传输效率高、系统可控性强、建设维护成本低等优点。而直流微电网母线电压的稳定控制对维持其正常运行及负载的可靠供电起着决定性的作用。本文针对直流微电网的母线电压控制系统易受外部扰动影响的缺点,设计了一种基于扩张状态观测器的滑模控制器,并用RVGMOPSO算法对该控制器的参数进行优化,通过仿真实验验证了相较于传统的多目标优化算法,该算法对控制参数的整定效果更优。