多目标优化问题普遍存在于实际应用中，如工程设计、路径规划及雷达探测系统等均属于多目标优化问题。随着社会的发展，优化问题涉及目标个数日益增多，研究如何求解高维多目标优化问题对于满足实际需求十分必要。Pareto支配选择机制在求解多目标优化问题上获得不错效果，但当拓展到高维多目标优化问题时会发生严重的性能退化。其主要原因在于，随着目标维数不断增加，非支配解在目标空间所占比例急剧增加，使得基于Pareto支配关系为主的选择标准失去作用，侧重于多样性的次要标准引导种群进化，导致种群发散地分布在目标空间中，收敛性急剧降低。因此，求解高维多目标优化问题的关键在于设计准确高效的评价准则以衡量个体优劣。基于此，本文针对基于评价指标的高维多目标进化算法提出新指标用以选择个体，主要研究工作如下：
　　(1)介绍多目标优化问题的基本概念以及高维多目标优化问题面临的主要难点。具体给出基于评价指标的高维多目标优化问题算法框架，综述现有相关评价指标公式含义，从理论上分析对比几种评价指标的优势和不足，并通过实验测试对比研究不同指标评价个体的优劣性。
　　(2)由于Pareto占优关系难以区分高维空间中个体优劣，导致算法选择压力过小。为了解决这一问题，在IGD+指标中引入无贡献个体策略，提出一种改进的高效反世代距离IGD+S指标。该指标不仅满足Pareto占优以提升种群收敛速度，而且保留无贡献的非支配解，避免多样性流失。在进化过程中采用IGD+S评价准则全面衡量个体优劣，提出一种基于IGD+S指标的高维多目标进化算法。实验结果表明，该算法在处理DTLZ问题和WFG问题上展现出良好的性能，优于现有较好对比算法。
　　(3)由于不同指标对同一种群进行评价会得到不同优劣排序关系，使用单一评价准则具有片面性和不准确性。因此，在选择个体的过程中，应同时考虑多个指标对个体优劣性的度量。IGD+S指标平衡种群收敛性与多样性，R2指标具有弱支配性又侧重收敛性。文中采用这两个指标进行融合，提出一种基于双重指标的高维多目标进化算法，并且提出一种自适应参考向量的方法用以计算指标值。在环境选择过程中，基于双重指标对种群个体优劣排序。实验结果表明，该算法在处理DTLZ基准测试集上获得了良好竞争力，优于现有较好算法。
　　(4)为了验证本文算法的性能，将本文第4章算法应用于无线回传拓扑规划问题。无线回传拓扑规划是NP难问题。在满足约束条件的情况下，考虑最小化建设成本和路径损耗，构建优化目标函数模型，采用本文算法对无线回传方案进行优化。实验结果表明，与对比算法相比本文算法可以提供更优质的拓扑规划部署方案，验证了本文算法在处理高维多目标优化问题上的有效性。