现实世界中存在大量多目标优化问题，其中大规模多目标优化问题是目前研究的热点，然而现有多目标进化算法缺少有效进化算子来处理大规模优化问题。因此，本文提出了一种基于社会学习粒子群的大规模多目标优化算法(A　large-scale　multi-objective　algorithm　based　on　a　social　learning　particle　swarm　optimization　algorithm,　LMOSLPSO)。LMOSLPSO首先采用转换的密度估计策略求解每个粒子的适应值；然后基于社会学习粒子群思想，设计了一种有效的粒子进化的方法；最后执行多目标优化算法RVEA(a　reference　vector　guided　evolutionary　algorithm)的环境选择操作来选择下一代个体。其中，转换的密度估计策略有利于平衡算法种群收敛性和多样性，新设计的粒子进化的方法有利于提高算法的搜索能力。在9个标准的大规模优化测试问题上，与多个近期提出的多目标优化算法进行对比。实验结果表明，该文所提出的LMOSLPSO算法具有较好的收敛性及分布多样性。