高维多目标优化算法是求解高维多目标优化问题的有效途径,然而没有一种特定的算法适合于所有优化问题。对于不同类型的高维多目标优化问题,需要设计适合于该问题的算法。因此,为了尽可能地处理多种类型的高维多目标优化问题,考虑引入集成思想,设计高维多目标集成算法,旨在获得性能高效的高维多目标优化算法,使得算法能够应用于解决不同领域的优化问题。高维多目标集成算法既能保持高维多目标优化算法的优点来解决复杂度较高的问题,又能针对不同问题的特性,有目的的选用不同的算子来提高求解问题的效率,进而提高算法的整体进化效率。另外,在解决高维多目标优化问题时,种群的进化前期需要偏重收敛性,进化后期需要偏重分布性。因此,为了综合考虑收敛性和分布性在进化不同阶段的重要性,需要考虑在设计高维多目标集成算法过程中使两者随进化进程动态平衡。本文将从进化集成和选择集成角度来设计高维多目标集成算法用于解决高维多目标优化问题,并对其性能进行研究讨论。具体针对高维多目标集成算法做了以下研究工作:1.对于不同的进化算法,如差分进化算法、粒子群算法和蚁群算法等,通常拥有不同的搜索模式,为此这些算法所表现的搜索性能也有着截然不同的差别,有的算法擅长全局搜索,而有的算法更为擅长局部搜索。本文利用支撑集对常见的几种进化算子进行全局收敛性分析,针对进化算子表现的性能差异,从进化集成角度构建进化策略池。在策略池选解机制的作用下,充分考虑种群的收敛性和分布性,设计有效的高维多目标进化集成算法。为验证本文算法性能的高效性,将设计的算法分别在DTLZ和WFG测试集上与其它五种先进的高维多目标优化算法进行比较测试。仿真结果表明,本文提出的高维多目标进化集成算法在35次DTLZ的IGD性能指标的比较中有25次获得最佳结果,在45次WFG的IGD性能指标的比较中有28次获得最佳结果,并且也证明构建的策略池在有效提高算法性能方面发挥重要作用。2.不同的选择算子,如参考点策略、分解方法和角度信息指标等,对种群收敛性和分布性偏向不同。本文从选择集成角度设计高维多目标选择集成算法,该算法可以通过集成多种优秀选择机制,使得它们在算法执行过程中能够相互协调,进而提高算法的整体进化效率,同时能保证种群的收敛性和分布性。与其它五种先进的高维多目标优化算法相比,所设计的高维多目标选择集成算法无论是在DTLZ测试函数集,还是WFG测试函数集的IGD性能指标比较结果中获得的最佳结果数量均超过总数的一半,从而有效证明其算法的优越性能。3.最后,本文将煤炭绿色生产优化问题构造为一个综合考虑煤炭经济效益、能源效益、生态效益、煤矸石经济效益和社会效益等五个待优化效益因素的高维多目标优化问题,并将基于混合策略池的高维多目标集成算法应用于求解该问题。计算结果表明,设计的算法在HV、Coverage和SP性能指标上展现优越性能,能够帮助决策者在区域规划中获得更高效的煤矿绿色生产优化方案,从而实现煤炭资源系统的可持续利用。