随着经济的快速发展,许多企业对高质量、低成本、高安全性等多重矛盾的需求越来越高,从而需要考虑的目标(因素)越来越多.因此,研究四个以上冲突目标同时达到最优的优化问题即超多目标优化问题(many-objective optimization problems)十分重要.在一些实际应用中许多优化问题都含有冗余目标,目标降维方法通过分析目标间的关系,去除冗余目标,从而找到最少必要目标子集.目前,目标降维方法是解决超多目标优化问题的有效途径.本文提出了一种新的目标降维方法.首先提出了一种有效的目标冲突程度的度量准则,通过非支配解对所占比例,即σ指标衡量两个目标的冲突程度.基于支配程度矩阵的方法可以快速的计算σ指标.本文提出的冲突性度量准则考虑到了潜在的支配结构保持,能对目标之间的冲突程度给出一个有效的度量.在该准则的基础之上,本文应用特征选择技术提出了一种快速目标降维算法,该算法算法具有较低的计算复杂度.在DTLZ(I,M)的9个测试实例上,提出的算法与δ-MOSS算法,LPCA,NLMVUPCA算法比较,数值仿真结果表明了本文提出方法的有效性.另外,本文将目标降维问题转化为一个约束多目标优化问题,然后应用进化算法进行求解.第一个目标对应的是所选目标子集的规模,即降维后目标的数目;第二个目标对应的是本文提出的支配结构改变程度σ指标的值.由于在目标降维中,降维后的优化问题的解与原优化问题的解应该尽可能的保持一致,即解集的非支配关系应该尽可能地保持,因此支配结构改变程度σ指标的值不能太大.此外,该优化问题是一个对目标集进行选择的组合优化问题,组合优化问题对进化算法带来了极大的挑战.鉴于此,本文提出一种通过搜索邻域的局部搜索方法来提高算法的效率.最后将提出的基于带有局部搜索的约束进化算法的目标降维算法同δ-MOSS,k-EMOSS,FORA算法在常用测试函数DTLZ(I,M)上对比,仿真实验结果表明本文提出算法具有很好的性能.