1、近年來(lái)，進(jìn)化計(jì)算在處理復(fù)雜、非線性問(wèn)題方面取得了較大的成功。特別是針對(duì)多目標(biāo)優(yōu)化問(wèn)題，出現(xiàn)了許多多目標(biāo)優(yōu)化算法（MOEA），最具代表性的算法有NSGA2和SPEA2，這些算法一次運(yùn)行可以得到多個(gè)Pareto最優(yōu)解。
　　 Kennedy和Eberhart在1995年提出一類(lèi)新的優(yōu)化算法——粒子群優(yōu)化算法（PSO），這種新算法啟發(fā)于鳥(niǎo)類(lèi)、蟲(chóng)、魚(yú)群等物種的群體捕食行為。由于其簡(jiǎn)單有效，隨后得到了廣泛的關(guān)注，同時(shí)其在解決單目標(biāo)優(yōu)化問(wèn)題

2、時(shí)表現(xiàn)出來(lái)的良好特性也非常適合求解多目標(biāo)優(yōu)化問(wèn)題。
　　 用粒子群算法求解多目標(biāo)優(yōu)化問(wèn)題，目前國(guó)內(nèi)外已經(jīng)有部分相關(guān)的研究成果，但是他們都存在某些不足：一方面是得到的解集的分布性能較差，另一方面是高維目標(biāo)下的收斂性不好。因此我們?cè)谠谐晒幕A(chǔ)上，通過(guò)采用新的全局極值的選取方式和加入一種新的變異算子，加快算法的收斂速度。為改進(jìn)算法的分布性能，我們提出了基于密度的外部集保持策略的粒子群算法，當(dāng)非支配集大于外部集的大小時(shí)，采用密度的方