摘要：基于非支配排序的多目标优化算法（NSGA—II）由于其优异的鲁棒性在过去的十年里已经成为了一种非常受欢迎的多目标优化算法．但作为早期的非支配排序算法，它也具有一定的局限性．例如，非支配排序本身具有较高的时间复杂度；在处理高维多目标优化问题时，传统的非支配排序会面临选择压力丧失的缺陷．因此，提出一种NSGA-II的改进算法，先搜索优化问题的近似极值点，然后通过极值点将目标空间进行划分，空间划分后，只对内部空间的解采用传统的非支配排序和拥挤度距离选择精英解，以此来提升算法的收敛效率．所提出的算法与当前7个主流的高维多目标优化算法在基准测试问题上进行了比较．实验表明，提出的算法的鲁棒性优于与之比较的其他算法．

关键词：高维多目标优化 非支配排序 极值点 边界解 

单位：南京航空航天大学计算机科学与技术学院; 南京210016; 西安建筑科技大学管理学院; 西安710055