高维多目标优化问题中多个目标之间经常存在较复杂的冲突性,某目标性能的改善可能会引起其他多个目标性能的降低,因而对高维多目标Pareto最优解集分析的复杂性和难度会随着目标维数的增加而激增,给Pareto解集的分析和决策带来很大困难,目前亟需对高维Pareto最优解集寻求有效的分析手段。高维多目标可视化技术通过运用计算机图形学和图像处理等技术,将高维Pareto最优解集以图形或图像的形式在计算机屏幕上显示出来,供使用者根据实际情况进行分析和做出最后选择,大幅降低了对解集进行分析和决策的复杂性和难度,在高维Pareto最优解集的分析中具有特有优势。然而,目前高维多目标可视化技术尚处研究初期,存在缺乏偏好信息、不能展现全部目标属性、缺少对解集整体性能展现、空间定位不唯一、视觉区分度过低等缺点,不能完全满足高维多目标问题的应用需求,因此亟待寻找更有效的高维多目标可视化技术。本课题针对现有高维多目标可视化技术存在的不足,对高维多目标优化问题中Pareto最优解集的应用需求进行了深入的研究,针对其不同的应用需求,提出了三种高维多目标可视化技术,大幅度提升了高维多目标的可视化效果。此外,从实际应用的角度出发,将提出的可视化技术根据实际问题的不同特点,分别应用于水陆两栖机器人机动性能分析和电能质量综合评估问题中,均取得了较好的应用效果,在验证了本文提出的可视化技术在分析高维Pareto解集时的有效性和先进性的同时,进一步拓宽了高维多目标可视化技术的应用范围。本课题的主要研究内容:第一,为解决现有高维多目标可视化技术不能有效兼顾显示Pareto最优解集的收敛性、分布性和宽广度等指标信息的问题,提出了基于单目标拟合子图表可视化技术。首先,对标准Pareto前沿中各目标函数值进行排序后,分别绘制在子图中,保证其真实的增长率曲线;其次,根据欧式距离在标准面上寻找标记点,并将所求Pareto解绘制在各子图中;最后,将各子图中同一 Pareto解连线整体显示。该技术可以直观的显示所有评价解集整体性能的指标信息,更有利于观察出解集的进化程度和具体的优化情况,可以为高维多目标优化问题的后续研究提供有效的理论支持和分析依据。第二,从提取特征解和在图形中加入偏好决策信息两个方面,改进了n维图表可视化技术,提出了基于特征解偏好决策的n维图表可视化技术。首先,根据多目标优化问题特性,提出了依据决策压力误差值提取解集中的特征解,减少决策冗余解的方法,减少了图形中的视觉区分压力;其次,为改进n维图表可视化技术中,共享目标信息时未引入决策偏好信息这一缺陷,针对三种不同的决策情况,分别提出了基于偏好权重因子的目标共享机制、基于目标性能波动分析的目标共享机制和基于区域得分系统的目标共享机制;最后,通过提出的目标共享机制对特征解进行排序,并依据排序信息将Pareto最优解分别绘制在不同的子图表中。该可视化技术可去除大量的决策冗余解,使可视化图形更加清晰直观,并在完整显示数据信息的同时反映了决策者对于方案选择的偏好排序。第三,为解决目前高维多目标可视化技术缺少针对Pareto最优解具体性能的显示以及数据概貌和具体数据映射关系的区分,而导致的不利于结合交互式操作这一问题,提出了更适用于交互操作的旋转基多目标可视化技术。首先,通过基向量的旋转角度体现Pareto最优解中各目标的优劣程度;其次,以绘制基点为初始位置,依次叠加旋转后的基向量,最终将Pareto最优解以一条独立路径映射为二维空间平面上的一条折线;最后,以交互式的形式进行折线的绘制。图形的绘制过程中包含了 Pareto最优解综合性能、目标性能波动性等解的具体性能信息,通过最终映射点和映射折线有效区分了 Pareto最优解数据概貌和具体数据显示形式,其交互式的折线绘制方式,在很大程度上减少了使用者的视觉区分压力。第四,分别将基于特征解偏好决策的n维图表可视化技术和旋转基多目标可视化技术,应用于具有不同特点的水陆两栖可变形机器人机动性能分析和多指标电能质量综合评估两个实际问题中,均取得了较好的应用效果,提高了决策者对目标数据信息的检索速度,改善了目标数据的分析手段,加深了决策者对于整体解集中隐含信息的理解,在进一步验证本文所提出的高维多目标可视化技术在实际问题中的有效性和优越性的同时,拓宽了高维多目标可视化技术的应用范围。