多目标优化问题广泛存在于实际工程应用和科学研究中,是一类非常重要而又难以解决的复杂问题。作为随机启发式搜索算法,进化计算通过代表整个解集的种群进化,以内在并行的方式搜索,一次优化运行就能够获得多个非劣解,已被成功应用于多目标优化领域,并发展成为一个相对较热的进化多目标优化研究方向。差分进化算法作为当今最有效的随机优化算法之一,是解决多目标优化问题的一种有效工具。本论文主要研究了基于动态更新种群方式的差分进化算法,重点将其拓展到多目标优化领域,并应用于混合动力汽车多目标优化设计和电力系统环境经济负荷多目标优化分配。全文主要工作包括如下几个方面。论文首先介绍了多目标差分进化算法的研究背景及意义,给出了多目标优化的相关定义,然后回顾和总结了进化多目标优化的发展历程以及多目标差分进化算法的国内外研究现状,并提出了进化多目标优化领域的热点和难点问题。针对原创DE算法静态更新种群结构不利于提高算法收敛性的不足,引出了一种采用动态更新种群策略的动态差分进化算法(DDE),并利用随机压缩映射原理对其收敛性进行了分析。21个经典Bechmark函数测试实验结果表明,动态更新种群策略大大提高了DE算法的收敛速率,但也一定程度上增加了"best"变异方式的DE算法陷入局部最优的风险。为解决算法全局探索与局部开发之间的平衡,结合不同进化模式DDE的优点,提出了一种基于自适应变异算子的改进DDE算法(SAMDDE)。大量经典Bechmark函数测试实验以及2D IIR滤波器设计实例均证实了改进算法的有效性。基于DDE/rand/1/bin变异策略无须选择当前种群中的最优个体,能有效保持种群的多样性从而避免早熟收敛的特点,提出了一种新颖的求解多目标优化问题的参数自适应动态差分进化算法。参数自适应策略有效提高了算法的鲁棒性。针对Deb的拥挤距离估计方法很多时候不能准确地测量非占解之间的拥挤程度的不足,结合解在目标空间中的分布熵和Deb拥挤距离,提出了一种称为拥挤熵的拥挤度测量方法。基于拥挤熵的测量方法能更准确地估计非占优解之间的拥挤程度,从而能更有效保持非占优解集的多样性。选用18个进化多目标优化领域的标准测试问题对提出的算法进行了测试。实验结果表明,与NSGA-Ⅱ、SPEA2和MOPSO三种代表性MOEAs相比,MOSADDE(?)够更好地收敛到问题的Pareto最优前沿,且所得非占优解集具有更好的分布性。为了进一步提高MOSADDE算法的收敛性能和鲁棒性,针对参数重新随机初始化自适应策略的不足,提出了一种具有自学习能力的参数自适应策略。同时,为了使所求得的非占优解在Pareto最优前沿,尤其在高维目标问题的Pareto最优前沿具有更好的散布性,提出了归一化最近邻域距离的拥挤度测量方法。由此,通过引入新的参数自适应策略和拥挤度估计方法,并基于具有快速收敛特性的DDE/best/2/bin变异方式,提出了一种用于求解MOPs的改进参数自适应动态差分进化算法MOSADDE-Ⅱ。选用27个进化多目标优化领域的标准测试问题对提出的算法进行了测试。实验结果证实了以上方法的有效性。在前面静态多目标差分进化算法基础上,通过引入环境检测算子和新环境下初始种群多样性保持策略,提出了一种求解动态多目标优化问题的动态多目标差分进化算法(dMODDE)。用七个测试问题进行了仿真研究并与其它动态MOEAs进行了比较。实验结果表明,当问题的Pareto最优解和(或)前沿随时间发生变化时,dMODDE能够跟踪到动态变化的Pareto最优前沿,且所获得的Pareto最优解具有良好的多样性和散布性。基于非占优排序策略和动态差分进化算法,提出了一种求解双层多目标优化问题(BLMOP)的动态差分进化算法。针对BLMOP的特点,设计了一种特殊的进化种群结构。并对最新文献给出的7个测试问题进行了理论分析并用来测试算法的有效性。实验结果表明,所提出的算法能很好地收敛到每个测试问题的Pareto最优前沿,并能保持良好的多样性和宽广性,是一种求解BLMOP的有效方法。基于MOSADDE-Ⅱ算法,提出了一种同时优化混合动力汽车动力总成部件参数和控制策略参数的方法。基于电动辅助控制策略,将HEV优化设计问题归结为一个非线性约束多目标优化问题,其中优化目标包括油耗FC、HC排放、CO排放和NOx排放等四个指标,约束条件包括PNGV性能标准和电池SOC荷电状态维持等要求。同时,利用模糊集理论,从所获得的Pareto最优解集中提取出最优折衷解。以典型行驶循环工况FTP、ECE-EUDC和UDDS为试验工况,针对一种并联式混合动力轿车进行了离线优化仿真研究。实验结果表明,与基于GA的加权系数法和NSGA-Ⅱ相比较,MOSADDE-Ⅱ具有明显的优越性。为了进一步检验MOSADDE-Ⅱ在工程优化设计中的有效性,同时还将其应用于电力系统环境经济负荷分配(EED)多目标优化。针对传统EED只考虑发电成本和污染控制成本两个优化目标的不足,通过引入系统损耗,建立了一个包含经济、环境和线损三个目标的EED多目标优化模型。应用MOSADDE-Ⅱ对IEEE30-和118-bus典型测试系统进行了仿真研究,实验结果证实了所提方法的有效性。论文最后总结了全文的主要工作和创新性的研究成果,并对下一步研究工作进行了展望。