时间序列异常点的检测在质量控制、信号处理、气候变化等实际问题中具有非常重要的应用,是时间序列统计推断研究中的重要问题,也一直备受诸多学者的关注。然而,当前主流的检测方法基本上都是针对一元时间序列展开的,对于多元时间序列异常点检测的研究却很少。本文提出了一种基于投影寻踪的多元时间序列异常点的分层自适应遗传算法检测方法。该方法通过最大化投影序列的峰度系数,得到一系列相互正交的最佳投影方向,使得在这些方向上异常点的异常效应被显著放大而有利于异常点的检测。同时,原序列的异常点检测也相应地转换为多个一元投影序列的检测。在投影序列上,我们通过遗传算法的方式进行异常点的检测。不同于以往的检测方法,遗传算法作为一种寻优搜索算法,可以在同一时间内对大量的异常点模式进行比较,从而将异常点的位置和类型（AO型和IO型）同时检测出来。针对基本遗传算法搜索效率较低和自适应遗传算法计算时长大的缺点,文中采用了分层自适应遗传算法进行改进,并结合精英策略保证每代的最佳个体得以保留。最后,通过三组模拟数据以及两组真实数据验证了本文方法对多元时间序列异常点的检测在搜索效率和计算时长上相比基本遗传算法均是更具优势的。