多目标优化问题源起于许多实际复杂系统的设计、规划和建模等问题，现实生活中重要的决策问题大都存在多目标优化的难题，多目标优化算法为处理和解决这类问题提供了方法和途径。多目标优化算法发展至今，经历了传统多目标优化算法、基于进化算法的多目标算法等，不断取得进展。粒子群算法与传统的进化算法有许多共同特点，但又比进化算法原理更简单，更易操作，采用多目标粒子群算法解决多目标优化问题是近年来的研究热点。为进一步提高优化算法性能，更好解决一些非线性，带约束等复杂的多目标优化问题，本文在现有多目标粒子群算法基础上，针对实际工程中两类典型问题，提出了改进的多目标粒子群算法，取得了满意的优化效果，也进一步验证了改进算法的性能和应用价值。针对复杂非线性优化对象，改进了基于非劣分类和密度距离的淘汰策略，提出了基于锦标赛选择策略的个体和全局最优值选取策略，经测试函数仿真研究，算法在Pareto最优解集的均匀分布方面表现突出。为进一步验证算法性能和应用研究，设计了基于改进多目标粒子群算法的PID控制器，选取一类倒立摆非线性系统进行了仿真研究，获得了较好的效果，对多目标粒子群算法更好地改善、提升性能及解决实际多目标优化问题有很好的研究价值。针对带约束的所目标优化问题，在改进多目标粒子群算法的基础上，进一步提出自适应约束多目标粒子群优化算法(A-CMOPSO)，设计了可以自调整惩罚程度的惩罚函数，给出了该算法的详细步骤，并通过经典测试函数仿真研究，依据本文提出的算法求得的Pareto接近真实前端优于已有同类算法。针对模拟移动床操作参数优化问题，在SMB模型基础上，应用自适应约束多目标粒子群算法进行了模拟移动床参数寻优，进一步验证了算法性能和实用性。