近年来,多目标优化方法已被广泛运用到工程、科学研究等各个领域。这类方法最终的目的是为了获得均匀分布在整个Pareto前沿面上的一组最优解。然而,在实际的多目标优化工程问题中,决策者通常并不是需要Pareto前沿面上所有区域上的最优解,而是仅需要满足其偏好的一部分解。为了可以有效地解决这类问题,偏好多目标优化算法引起了学者们的关注,这类算法是在多目标优化算法中融入决策者的偏好信息。基于此,本文对偏好多目标优化算法进行了研究,提出了一种基于权值向量的偏好多目标优化算法,并验证了该算法搜索偏好解的能力；同时,在此研究基础上对光伏系统的最大功率点跟踪算法进行了研究,提出了一种基于权值向量的偏好多目标最大功率点跟踪算法。本文的主要研究工作如下：(1)提出了一种基于权值向量的偏好多目标优化算法。MOEA/D算法是一种新颖的多目标优化算法,它根据预先设定的权值向量来搜索整个Pareto最优面,然而该方法并没有考虑决策者的偏好信息。因此,本文受MOEA/D思想的启发,提出了一种基于权值向量的偏好多目标优化算法,该算法通过引入具有偏好信息的权值向量,引导搜索方向朝决策者感兴趣的区域进行,从而使得最终得到的解都是满足决策者偏好的解。在一系列测试函数上的仿真实验表明,与已有偏好多目标优化算法相比,本文所提的方法不仅具有支持多偏好点、偏好区域大小可控、偏好点的位置对算法性能影响不大等优点,而且在大多数所测试的低维和高维问题上所获得的偏好解具有更好的收敛性。(2)提出了一种基于权值向量的偏好多目标最大功率点跟踪算法。光伏发电系统在特定的环境条件下,仅存在一个最大输出功率点,一旦其工作点偏离最大输出功率点,太阳能电池的输出功率就会急剧减小。因此,最大功率点跟踪技术是光伏发电系统的一个关键技术。然而,随着外界环境发生骤变或光伏阵列在位于局部遮阴的情形下,传统的最大功率点跟踪算法可能会追踪不到光伏系统在该环境下的最大功率点。通过分析最大功率点跟踪问题可知,此问题既要满足追踪到的功率最大,同时又要满足追踪到的最大功率点下的电流与模型下所对应的真实电流误差要足够小,因此该问题可转化为带偏好的多目标优化问题。故本文提出来了基于权值向量的偏好多目标最大功率点跟踪算法。该算法与传统的大功率点跟踪算法相比,无需不断实时检测功率的变化,仅需检测外界环境的变化即可获得光伏系统的最大功率点。由于该算法中仅需检测外界环境变化即可,故不必要求系统实时性,可以实现离线追踪最大功率点,同时也避免了因在最大功率点附近振荡而造成能量损失。仿真实验结果表明与传统的最大功率点跟踪算法相比,本文所提算法具有更高的精度,同时,误差可以控制在理想的范围内。