在实际生活中的科学研究和工程应用领域中,有很多的问题都是由相互冲突并且相互影响的多个目标构成,同时使多个目标在指定的目标空间上尽可能地达到最佳的优化问题,即多目标优化问题。而在交通优化、作业调度、工程设计、智能控制等多个优化领域,常常会碰到许多约束条件的限制,这些约束限制会给求解优化问题带来巨大的挑战。这类优化问题被称作约束优化问题并且是优化领域的重要研究方向之一。近二十年,约束优化进化算法作为一类利用进化算法搜索效率高、通用性强以及健壮性好等特点来求解约束优化问题的方法,吸引了众多学者的兴趣,并且得到了广泛的研究和应用。然而现有的约束优化算法虽然在简单的约束优化问题上已经取得了良好的性能,但在复杂的问题上,它们无法很好地平衡优化目标和约束满足之间的关系。其次,如今大多数约束进化算法都是基于遗传算法实现的,但是与遗传算法相比,同样作为典型的群体智能算法之一的粒子群优化算法具有形式简单、快速收敛和计算成本低廉等众多优点,或许将成为求解约束问题新的突破。论文开展的主要研究内容如下。（1）为了在优化目标和约束满足之间的取得良好的平衡关系,论文提出了一种基于自适应两阶段约束处理的多目标粒子群算法（Constrained Multiple Objective Particle Swarm Optimization,CMOPSO）,算法可以自适应地调整优化目标和约束限制的优先级以适应各种不同的可行域,并使得保留可行个体和拒绝不可行个体之间达到一个良好的平衡。对比实验结果表明,所提出的算法在各种不同的复杂可行域上的表现与其他对比算法相比有一定优势。（2）将论文所提出的带约束多目标粒子群算法应用于地震应急流动台选址问题来测试其解决实际问题的能力。目前,地震应急流动观测台选址方法以手工测算为主,一旦启动地震应急工作后,工作人员需迅速赶往地震现场进行实地勘测,凭经验选出适宜流动台的位置来架设流动观测台站。这种人工经验为主的方法难以满足地震应急监测的高时效性要求,并且无法判断选址结果的科学性和合理性。论文为地震应急流动台选址问题建立了具有背景噪声和不利场地等多约束条件的空隙角与基岩偏好最优化的两目标选址模型,并根据问题特性提出了进化与避让相结合的约束处理机制改进了CMOPSO算法框架,设计出了基于粒子群优化的台站选址智能算法。仿真算例表明,算法不仅可以求解出噪声和场地等约束条件下间隙角和基岩偏好最优化的流动台网布设方案,并引导决策者选择,还可显著提高地震流动台选址的时效性,从而提高震区地震观测能力和应急响应能力。（3）论文基于GIS技术设计并实现了基于智能优化算法的应急流动观测台智能选址系统,该系统集成了基于粒子群优化地震应急流动台智能选址算法。用户可选取任意历史地震并获取相应地震参数或者手动输入地震参数模拟地震来进行仿真模拟选址,系统会自动读取已选择或输入主震的周边数据并根据设置的选址基本参数进行台站选址计算,最后会按预设的文档模板,产出推荐选址报告。用户可以在系统上查看参考台址、选址示意图、选址报告等。该系统实现了地震应急流动台智能选址决策过程的可视化,保障了后续实现地震应急工作的开展和地震数据分析工作的顺利开展。