引入量子特性的智能优化算法较好地改进了经典智能优化算法的不足,己成为智能计算领域的研究热点。作为多目标优化领域具有良好应用前景的研究方向之一,本文深入研究了多目标量子行为粒子群优化算法,主要研究工作分为四个部分。　　 针对基于向量评价的量子行为粒子群优化(VEQPSO)算法存在的多样性不足,引入具有高斯分布特性的分段变异算子提高算法寻优过程中粒子群的多样性,分别基于拥挤距离排序和自适应网格法的多样性维护策略提出了两种多目标量子行为粒子群优化算法。通过在标准测试函数上与VEQPSO算法和典型的多目标粒子群优化算法对比分析,仿真结果表明所提两种算法具有较强的寻优能力。　　 针对ε-支配容易丢失Pareto最优前沿边界点的不足,提出了ε-优势支配关系,并基于ε-优势支配的最优粒子保留策略提出了一类多目标量子行为粒子群优化算法的总体构架。通过在一定的条件下将算法的寻优过程转化为一个有限的、齐次的、不可约的马尔科夫过程,根据偏序集理论分析了这类算法的收敛性。将一种基于ε-优势支配的多目标量子行为粒子群优化算法用于求解输电网最优规划问题,仿真结果表明这类算法具有良好的全局寻优能力。　　 针对动态多目标优化问题的特点,设计了自适应环境敏感因子判断优化问题的变化,采用变化前最优粒子和部分粒子混沌初始化的重启策略快速跟踪不断变化的最优解集。为了提高基于拥挤距离排序算法的寻优效率和群体多样性,提出了基于多群体协作策略的动态多目标量子行为粒子群优化算法。利用免疫克隆算法提高基于自适应网格算法的群体多样性,提出了基于免疫克隆算法的动态多目标量子行为粒子群优化算法。通过在动态测试函数上与典型的动态多目标优化算法对比分析,仿真结果表明所提两种算法具有快速的动态跟踪能力以及良好的收敛性和分布性能。　　 根据多UAVs协同任务分配问题的特点,建立了多UAVs协同任务分配的多目标优化模型,定义了一种自主选择最优分配方案的准则,仿真结果表明基于多目标量子行为粒子群优化算法所求最优分配方案优于其它典型多目标优化算法所求最优分配方案。垃圾焚烧炉控制系统是一类动态变化系统,传统的控制器很难获得满意的系统性能,根据垃圾焚烧炉控制系统的特点将其转化为控制器参数动态优化设计问题,基于动态多目标量子行为粒子群优化算法动态优化控制器参数,仿真结果表明所提方法取得了良好的效果。