在现实生活中，常常遇到关于目标优化的问题，而绝大多数的目标优化问题往往是多目标优化问题。在多目标优化问题中，由于各个目标之间相互影响，相互矛盾，一个目标的优化，可能会引起其他目标的变差，而每个目标都有各自的意义和价值，如何均衡多个目标，使整体目标达到最优，已成为各个领域关注的重点。　　本文首先介绍和分析了差分进化算法以及多目标优化问题的相关研究成果和相关算法，分别介绍了几种多目标优化算法的原理和过程，并分析了几种典型的多目标进化算法的求解过程，评价了这几种算法的优缺点。　　其次，对差分进化算法的基本原理以及实现过程进行了详细的分析。相比其他进化算法，差分进化算法具有收敛性好，容易实现，控制参数少，模型简单等优点。然而差分进化算法也存在进化算法都有的缺点，标准的差分进化算法可能会陷入局部最优，并且存在停滞现象,使得算法容易早熟收敛。　　为了加强差分进化算法的局部搜索能力，使结果跳出局部最优，将两种局部搜索策略同时作用到差分进化算法中，进而提出了一种基于精英搜索策略的差分进化算法。此算法将局部搜索得到的新个体替换原来较劣的个体，增强了种群的多样性。数值实验选取六个测试函数，并与其它的差分进化算法进行比较，实验数值结果表明两种局部搜索策略具体互补性，两者的结合增强了算法的性能。　　最后，针对实际库存管理中的问题，详细分析了订货量对库存成本投入和顾客服务水平的影响。这两个目标相互影响，相互矛盾。根据经典的经济订货数量模型和安全库存的经典计算公式，将订货量与这两个目标之间的关系建立数学模型，再结合实际库存数据以及专家意见，确定模型中的相关参数，并采用本文提出的基于精英搜索策略的差分进化算法对模型进行求解，对结果进行分析和总结，为实际的库存管理提供了有效的参考方案。