提出一种改进的多目标粒子群优化算法，该算法采用精英归档策略，由档案库中的非劣解提供粒子速度更新时的全局最优位置，根据Pareto支配关系来更新粒子的个体最优位置。使用非劣解目标的线密度度量非劣解前端的均匀性，通过删除小密度的非劣解提高非劣解前端的均匀性。针对多目标进化算法理论型指标的不足，设计了应用型评价指标。标准函数的仿真实验结果表明，所提算法能够获得大量的非劣解，快速地收敛于Pareto最优解前端，且分布比较均匀。