高维多目标优化问题在诸多工程领域中都有广泛应用。然而由于高维多目标优化问题的前沿敏感性,使其成为进化领域的一大难题。当前解决此类问题的主流算法有支配法、参考点法以及分解法,前两者均存在计算复杂度高、求解效率慢的问题。同时,高维多目标进化算法还存在收敛性不佳等缺陷。针对上述问题,本文提出了一种新的高维多目标优化算法,即NSGA-Ⅲ-WA算法,并应用于无线多媒体传感器网络多服务质量优化问题中。本文的主要研究内容如下:从高维多目标优化算法的进化策略以及高维多目标框架两部分入手。其中,进化策略是提升高维多目标算法收敛速度以及收敛精度的关键,因此,改善进化策略可以有效提升算法性能,值得注意的是,在高维空间中不存在最优个体,所以本文提出一种新型差分进化策略生成新个体,通过对算法变异阶段的调整以及增进个体的概率选择机制实现增强算法收敛性的目的,同时也增强了各子空间中权重向量的勘探能力。在高维多目标框架方面,随着目标空间维度的增加,个体对前沿面的敏感性增强,加之实际应用中解集平面的复杂性,使得算法很难实现好的分布性。因此,这里提出自适应权重向量调整策略,通过将目标空间分解为若干子空间,依据各子空间密度不同,对权向量进行稀疏或密集化调整,确保权向量在目标前沿面上实现均匀分布,从而实现所求解集的分布性。将改进后的进化策略同权向量调整框架有效结合。并在DTLZ标准测试函数集以及WFG实例的3到15目标优化问题上对该算法进行测试,与目前效果较好的四种算法进行比较。实验数据显示,本文所提出的NSGA-Ⅲ-WA算法在收敛性与分布性性能上明显优于原算法和其他三种性能优异的算法。为验证算法有效性,本文将所提算法应用于异构无线多媒体传感器网络多服务质量优化问题中,对网络传感器数目、网络生存周期、覆盖率以及能耗四个网络服务指标进行同时优化。创建由普通无线多媒体传感器节点和高能节点构成的异构无线传感器网络,并且在每轮通信中利用TOPSIS方法选出适合当前网络拓扑结构的最优路由连接方案。仿真结果表明,相比目前性能较好的NSGA-Ⅲ、MOEA/D算法,在不同感知半径、不同感知视角下,本文所提算法均能平衡各目标取得更好的效果。实验结果验证了所提算法的有效性及可行性。