许多实际应用问题是复杂优化问题,属于多目标优化问题,存在多个待优化目标,而且多个目标之间相互联系、相互冲突。因而无法像单目标优化一样,得到一个全局最优解,使得多个目标同时达到最优,能够得到的只是一组非支配解,即Pareto最优解集。多目标优化最终要从Pareto解集中选择一个最佳折中解,因此大多数多目标优化问题最后都归结为一个多目标决策问题。同时,很多工程实际应用问题属于离散变量优化,或连续变量和离散变量同时存在,而单纯的连续变量优化并不多。现有的优化方法并不少,但大多是针对连续变量优化的,针对离散变量优化的方法较少,尤其是针对离散多目标优化问题的方法更少。现有的离散变量优化大多将离散变量使用连续变量优化方法来处理,这样会导致较大的偏差,有时甚至得不到解。粒子群优化算法作为一种高效的并行优化算法,简单方便且易于实现,自提出之日起,便受到众多研究人员的关注,被进行多种途径的改进,并广泛应用于多种实际优化问题中。但是目前粒子群优化算法的应用大多运用于连续变量优化,由于自身的迭代机制,粒子群优化算法不能直接应用于离散变量优化,必须加以改进后才能使用。本文对目前运用于离散多目标优化的算法进行了分析归类,从粒子群优化算法的原理、参数选择及其在多目标优化问题上的应用入手,提出了一种基于粒子群优化的离散多目标优化算法。该算法采用二进制机制将粒子的位置矢量离散化,同时建立非支配解集来存储搜索到的非支配解,以此来增加非支配解的多样性。本文运用多目标测试函数SCH、ZDT1、ZDT3对该优化算法进行测试,在与其它优化方法对比时性能良好;并将其运用于资源分配问题的解决,取得了较优非支配解。最后,对论文研究进行总结,并展望未来离散多目标优化方法的发展趋势。