提出一种多目标强度Pareto 混沌差分进化算法(SPCDE). 首先利用Tent 映射进行种群的混沌初始化, 采用 一种基于均匀排挤机制的截断排挤操作和混沌替换操作进行种群的环境选择操作; 然后基于一种变缩放因子的差分 变异策略进行变异操作, 通过计算支配关系得到变异个体; 最后通过支配关系的计算和环境选择操作进行进化选择 操作并得到子代个体. 以上操作不仅提高了算法的收敛性能, 而且保证了Pareto 最优解的均匀分布性. 数值实验结果 表明了该算法的有效性.