现在对于多目标优化问题的研究,大都是基于进化思想的多目标优化算法。该类算法多是基于Pareto最优概念的类随机搜索算法,较适宜解决多目标问题。但是将该类算法应用于工程实践,特别是在求解大型、复杂的工程优化问题时,庞大的计算量使其应用受到了很大的限制。因此,寻求有效提高多目标优化方法效率的研究显得尤为重要。根据传统进化算法计算速度较慢的特点,论文尝试应用梯度信息来解决多目标优化问题。首先详细介绍了梯度信息相关概念,并将趋利方向推广到多目标优化问题中。本文将利用导数的最速下降法应用于多目标优化问题中,并将趋利方向代替其最速下降方向进行搜索,通过GenMED系列函数和DAM连续缩合优化过程的仿真结果可知,基于最速下降法的多目标优化算法能够很好的解决这类问题。基于梯度信息的算法应用于多目标优化问题,特别是动态多目标优化问题中比较少,并且很难求解其趋利方向,因此本文用导数方向近似为其梯度方向。本文提出的算法基于聚合与分解梯度信息的多目标优化算法,利用新的选择置点法,并基于分解和聚合的思想,选择个体进行两个梯度寻优支路,使种群能够较快的到达最优前沿面。通过ZDT系列函数和DAM连续缩合过程优化中的仿真结果可知,该算法对于解决无约束的多目标优化问题有较快的寻优速度。最后将该算法与传统的带精英策略的非支配排序遗传算法相混合,很好的解决了补料分批生化反应过程的动态多目标优化问题。