高维多目标优化问题(MaOPs)在现实生活中普遍存在,且非常重要,由于其包含的目标函数较多,使得该问题的求解非常困难。目前,MaOPs已成为多目标进化优化领域的研究热点之一,其中,基于性能指标的集合进化优化算法是求解MaOPs的一种有效方法。此外,决策者的偏好可以有效缩小搜索区域,增加优化解的选择压力,并且可以引导种群的进化,提高MaOPs求解的效率。鉴于此,本文研究融入偏好区域的高维多目标集合进化优化方法。首先,针对高维多目标优化问题,提出一种偏好区域引导的高维多目标集合进化优化方法。在集合进化框架下,首先,基于成就标量函数提出一种动态确定高维目标空间中偏好区域的方法;然后,基于确定的偏好区域,给出融入偏好区域的高维多目标集合进化优化算法框架。以基准优化问题为例,通过实验所得的结果,验证了所提确定偏好区域方法的合理性和有效性。其次,针对上面提出的融入偏好区域的高维多目标集合进化优化算法框架,给出具体实现,提出一种基于偏好区域集合个体比较和偏好区域引导交叉的高维多目标集合进化优化方法。该方法基于集合Pareto占优和偏好区域,设计集合进化个体比较策略;此外,基于集合进化个体与偏好区域在目标空间中的位置关系,提出了偏好区域引导的集合进化个体交叉策略。将所提方法应用于基准高维目标优化问题,并与其它2种典型的方法对比,实验结果表明了所提方法的优越性。然后,在偏好区域引导的集合个体比较和交叉的基础上,进一步考虑偏好信息在变异算子中的引导作用,提出一种基于偏好区域引导变异的高维多目标集合进化优化。该方法在集合进化优化的框架下,以当前代位于偏好区域内的最优解集为导向,通过自适应的高斯扰动,引导种群朝偏好区域内的最优解集方向变异。将所提方法应用于基准高维多目标优化问题,并与其它3种方法比较,实验结果表明了所提方法的优越性。最后,以汽车驾驶室设计优化问题为应用对象,对实际的高维多目标优化问题进行分析,并将前面所提的进化优化方法用于求解该实际工程设计问题。通过实验比较了不同的方法求解该问题的性能,实验结果验证了所提方法的可行性和有效性。上述研究成果丰富了高维多目标进化优化理论,为高维多目标优化问题的求解提供了有效的途径。