摘要：在研究并实现计算复杂度仅为O（Nlog2N’）的基于相似性排挤的小生境技术（NTSC）、快速适应值分层算法（FHFS）的基础上，提出了基于相似性排挤与适应值分层计算的可持续Pareto遗传算法（SPGA）。SPGA采用了进化操作种群与外部种群两个种群。外部种群用于存储当前最优解集，利用基于模糊推理机制提出的NTSC来维持种群多样度，使外部种群中存储的Pareto非劣解集均匀地逼近问题的理论最优面；采用将个体按其所处层次来精确标识个体适应能力的FHFS来辨识个体适应值，避免适应值特别高的个体抑制适应值比它低的个体。仿真优化结果表明，SPGA能够以较小的计算成本搜索到高精度的、分布均匀的pareto非劣解集。

关键词：遗传算法 pareto最优性 相似性排挤 适应值分层 

单位：贵州大学; 贵阳550003; 湖南理工学院; 岳阳414000