在实际生活中,很多问题往往是复杂性较高、目标维数较多,并且是非线性的优化问题。当这种问题不能用传统的方法获得用户满意的解时,随机搜索的进化算法,尤其是多目标进化算法能够较好的获得决策者满意的解。多目标进化算法不同于一般的随机搜索算法,采用精英保留机制让优秀的解迭代出更加优秀的解。因此,多目标进化算法受到研究者的重视程度越来越高。随着多目标进化算法研究的推进,人们发现通常并不需要获得整个Pareto最优面,而是需要Pareto最优面上的一个解或一部分解集,正因如此,偏好多目标进化算法逐渐进入研究者的视野。偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法。目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差。针对以上问题,本文通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法。将本文提出的算法与四种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,本文提出的算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果。