摘要：为了使多目标进化算法在收敛性和分布性之间保持平衡，该文提出一种基于角度惩罚距离的高维多目标进化算法（Many-Objective Evolutionary Algorithm based on Angle Penalized Distance，MaOEA-APD）。首先，综合考虑收敛性和分布性在进化不同阶段的重要性，构造一种角度惩罚距离，使两者随进化进程动态平衡；其次，开发基于删除劣质个体的环境选择策略，在提高种群分布性的同时提高收敛性；最后，根据环境选择的原理，设计与之相协调且互补的匹配选择过程，提高算法的整体进化效率。将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比，实验结果表明在WFG标准测试函数集上，该文算法相对于其他算法，综合性能有了较大的提升。

关键词：高维多目标优化 进化算法 删除策略 角度惩罚距离 

单位：哈尔滨工程大学信息与通信工程学院; 哈尔滨150001