基本多目标粒子群算法在收敛性和分布性上都表现一般，且容易陷入局部最优。为此，本文提出了一种新的用于求解多目标问题的粒子群算法，该算法采用一种新的全局极值和个体极值选取策略，提升了种群逼近Pareto最优前沿的稳定性和精度，同时为了提升种群跳出局部最优的能力，提出两步变异操作。此外本算法还采用了外部存档存储每一代产生的非支配解，并且使用动态更新的拥挤距离来维持外部存档的规模。然后，通过典型的ZDT系列测试函数对该算法进行评估，并与MOEA/D、NNIA、NSGA-II三种多目标优化算法进行比较。实验结果显示，本文算法相较于其他算法具有较好的分布性与收敛性。最后将其应用于PX氧化反应优化过程中，在相同计算成本的条件下，本文算法优化后的醋酸和PX 燃烧损失明显下降，成本损失大幅减少。