提出一种改进的多目标微粒群优化算法来求解人力资源分配问题。通过对种群进行正交初始化，保证了个体在整个可行解空间上的均匀分散，使得算法能够在整个可行解空间上进行均匀搜索； 通过基于网格技术的外部存档非劣解删选策略，有效地保留了逼近Pareto前沿的非劣解；引入一种广义的学习策略来提升粒子向Pareto前沿收敛的概率。实验结果表明，提出的多目标微粒群算法能有效地解决多目标人力资源分配问题，具有较好的应用价值。