电动机优化设计的最优解与许多因素有关，如模型的建立、优化变量的选取、其某些参量的确定等，最重要的是优化方法。传统的优化策略大多基于梯度计算，对函数的连续性、导数的存在性都有较高的要求，对于某些函数甚至无法保证算法收敛到最优，从而限制了其进一步发展。而粒子群（PSO）智能算法在多目标搜索领域有很大发展潜力，其主要特点在全局随机搜索策略，能够不依赖于初值的选取和不用考虑目标函数本身的是否连续或者可微。 本文的主要目的是建立一个多目标电机优化设计模型，并对多目标粒子群算法进行研究，在此基础上通过Pareto最优化理论分析，提出一种改进的多目标优化算法，将其应用到该电机优化模型上，证明该算法有其相对的合理性和优越性。同时，本文介绍了一个电机多目标优化系统的设计与实现。 本文的主要研究工作包括： 1.对电机多目标优化设计进行了分析，指出了传统的优化方法存在的不足，建立电机多目标优化设计模型。 2.重点对多目标粒子群算法进行了研究。回顾了当前流行的多目标粒子群算法，对基于Pareto非支配最优解集的多目标粒子群（MOPSO）算法进行理论分析，在其基础上提出了一种新的全局最优值选择策略，并将Pareto非支配最优解集的思想运用到更新个体最优值的问题中，加入了扰动因子防止粒子个体陷入局部极值。实验显示了该算法的解具有相对较好的均匀性和收敛性。 3.实现了电机多目标优化设计系统，将改进后的多目标粒子群算法运用于该系统，并完成了相应的界面和数据库设计。