针对多目标微粒群算法(MOPSO)解的多样性分布问题，提出一种基于粒子记忆体的多目标微粒群算法(dp-MOPSO)。dp-MOPSO算法为每个微粒分配一个记忆体，保存寻优过程中搜索到的非支配pbest集，以避免搜索信息的丢失。采用外部存档保存种群搜索到的所有Pareto解，并引入动态邻域的策略从外部存档中选择全局最优解。利用几个典型的多目标测试函数对dp-MOPSO算法的性能进行测试，并与两种著名的多目标进化算法m-DNPSO、SPEA2进行比较。实验结果表明，dp-MOPSO算法可以更好地逼近真实Pareto沿，同时所得Pareto解分布更均匀。