摘要：针对基于权重法的多目标算法无法求解约束多目标问题的缺陷，将中心粒子群算法与Pareto 解集搜索算法相结合，提出 一种Pareto 多目标中心粒子群算法。将此方法用来优化气门弹簧的模型，实验结果表明，该优化方法能够快速准确地收敛于Pareto 解集，并且使其对应的目标域均匀地分布于Pareto最优目标域。

多架 UAV( Unmanned Aeiral Vehicle) 同时对一个未知区域进行搜索，目 的在于获取搜索区域的信息，尽可能多地发现目标。针对不确定目标的搜索问题，研究多无人机协同搜索控制的新方法。建立多 UAV 运动模型，用目标存在概率对搜索环境进行描述，给出基于 Bayesian 准则的搜索环境更新方法，考虑了环境探测回报、目标发 现回报和无人机协同回报，采用 MPC 实现对多目标优化问题的迭代求解。通过仿真实验和对比分析，证明了该方法具有更好的搜 索性能。