多目标优化问题的研究具有广泛的应用价值,粒子群算法是求解多目标优化问题的有效手段。目前的多目标粒子群优化算法主要针对算法的收敛性和分布性进行研究,现有的一些算法在求解多目标优化问题时,Pareto支配定义的两个解之间可能无法比较,尤其是对于高维复杂的问题,对于解的评估难度加大,使得整个算法的收敛速度和精度降低。针对以上问题,本文研究了一种采用多种群协同的多目标粒子群优化算法。主要研究内容如下：(1)算法采用多个种群来解决多目标优化问题,每个种群优化一个目标,同时引入外部档案机制来存储非劣解,并且相应的改变了粒子的速度更新公式,粒子的飞行不仅受自身种群粒子的影响同时还要受外部档案中非劣解的影响,该机制使得每个目标都能找到自己的优化解而又协调了各个解之间的冲突。(2)在选取外部档案中的值引导所有种群飞行时,采用了每个目标的最优粒子的均值进行引导,使得所有的粒子都能够朝着Pareto前沿进行飞行。(3)为了避免算法早熟现象,在外部档案中引入精英变异策略,提高了种群多样性,避免算法因趋同而陷入局部最优。最后,采用标准的多目标优化测试函数对改进的算法进行验证,并将算法与经典多目标优化算法NSGA-Ⅱ求解进行对比,通过比较可以看到多种群协同的多目标粒子群优化算法在分布性和收敛性上都具有更好的效果,同时,还将该算法用于解决多目标背包问题,并与NSGA-Ⅱ求解进行对比,通过对比实验表明多种群协同的多目标粒子群优化算法可以得到更优解。