乙烯裂解过程和油品调和过程是重要的基础石油化工过程，对其生产工艺的优化研究有助于提高生产质量和降低较高的工业成本。由于实际生产中企业需要综合考虑实现成本最小的同时保持经济效益最大的多个存在矛盾的目标，因此有必要将这两个重要的工业过程转化为多目标优化问题进行求解，以便能为实际的工业生产提供理论指导，提高企业的产能和效益。　　为了解决炉群优化过程中带复杂非线性过程的多目标优化问题，本文采用了进化算法中全局搜索能力较强的生物地理学优化算法，并将生物地理学优化算法与Pareto占优机制相融合，提出了基于支配度迁移模型的多目标生物地理学优化算法。在多目标问题中，传统的迁移模型对于Pareto解集无法给出适当的物种迁移规律，因此本文提出了新的迁移模型，该模型充分利用了Pareto解之间的支配信息，这有助于算法进行有效的个体评价和栖息地排序。与此同时为了强化算法的收敛性能和分布性能，本文引入了基于优选特征库的自适应迁移策略和改进的KNN拥挤密度估计策略。通过测试函数的仿真测试，最终验证了该算法在收敛性和分布性上具有一定的优势，并在随后的乙烯裂解过程问题的优化求解中有卓越表现。　　传统算法在解决约束多目标优化问题时，会因为约束处理不当导致可行解搜索效率较低，并且传统的算法收敛能力较弱。为了解决此类问题，本文提出了基于混合迁移的约束多目标生物地理学算法。该算法在基于支配度迁移模型的多目标生物地理学优化算法上，采用了基于个体排序的epsilon约束处理机制，通过保留约束违反度小于动态epsilon参数的不可行解来提高搜索可行解的效率，并且该算法通过加入单纯形算子的混合迁移策略提高算法在工程多目标优化问题上的收敛性能。基于混合迁移的约束多目标生物地理学算法在约束多目标仿真实验中获得了优异的表现，验证了算法性能的优越性和有效性，同时该算法在油品调和优化问题中的表现也好过其他对比算法，并为调和问题提供了一定的理论指导。