随着进化算法的发展,近年来国内外提出了很多多目标进化算法。它们采用了不同的方法来求解,但都是为了寻找最好的近似解。因此,如何判断一组近似解的好坏就变得非常重要。为了正确评价多目标进化算法的优劣,研究者们提出了许多相关的评价方法。根据多目标进化算法的主要目的,现在存在的评价方法可以分成两类:(i)一种是用来评价所求解与真正的Pareto 最优面的趋近程度的评价方法。(ii)一种是用来评价解的分布度的评价方法。在多目标进化算法中,解群体的多样性是评价算法的重要指标,那么评价解集的分布性就显得非常重要。本文首先简要介绍了多目标进化算法的发展历程和几种典型的多目标进化算法,同时分析了目前国内外研究者在分布度评价方法方面所进行的研究工作和所取得的研究成果。在总结已有的评价方法的特点的基础上,本文讨论了基于个体空间距离的K-均值聚类算法,提出一种基于聚类的分布度评价方法,并采用这种方法对国际流行的几种算法进行实验。通过实验证明,它比目前已有的评价方法更能正确评价算法分布度的优劣。但是值得注意的是,本文提出的方法只适用于算法之间的比较,而不能对某个算法单独评价。