多目标优化问题一直是科学和工程研究领域的一个热点问题。由于目前常用多目标优化方法自身的不足及其在实际应用中存在的诸多困难,一直阻碍着多目标优化方法在实际工业过程的应用。粒子群优化算法(PSO)是近几年发展起来的解决多目标优化问题的群智能算法,它在解决复杂系统优化时所表现出的优越性,使其成为解决多目标优化问题的一个非常有效的手段。本文总结了多目标优化的传统解决方法和基于进化算法计算的解决方法,并重点介绍了粒子群优化算法及其在多目标优化领域的研究现状。通过对粒子群算法的分析,在前人研究的基础上对多目标粒子群算法进行了改进。主要从两个方面进行了改进:(1)在粒子全局最优值选取过程中,先后采用了Sigma方法和理想有效解法,从而使全局最优值的选取更为合理,避免算法落入局部最优位置,保持了解的分布性;(2)增加粒子的扰动,采用动态精英变异策略防止粒子陷入局部最优区域。基于对铜萃取过程生产原理、工业生产流程的深入分析,确定了预估铜钴组份含量混合模型的基本结构形式和辅助变量,并从质量最优和降低成本两个方面出发,建立了以铜萃取率、钴萃取率为优化指标的两个目标函数。最后,将改进的多目标粒子群优化算法应用到铜萃取过程稳态优化研究中。通过对结果的分析,验证了本文提出的改进后的多目标粒子群优化算法的可行性和有效性。