高维多目标优化问题广泛存在于实际工程应用中，但是其所得的非支配解集的规模会随着优化目标个数的增加而呈指数增长，这严重制约了决策者评价和分析优势解。高维多目标可视化技术以形象直观的可视化图形，能清晰明了地表达高维多目标非支配解集的重要信息，有利于降低分析和决策的难度。但是，高维多目标可视化技术的研究尚不成熟，在Pareto前沿信息表达的丰富性、目标属性判断的直观性、拓扑结构保持的有效性、映射点显示的延展性、应用范围的广泛性等方面均存在不足。针对以上问题，本文提出能够有效表达高维多目标非支配解集的可视化方法。主要研究工作如下：
　　(1)通过设计一套基于径向布局的映射机制，丰富高维多目标可视化技术对解集Pareto前沿信息的表达。将多目标维度锚点依次均匀排列在单位圆圆弧上，根据适应度函数值将解集一一映射为类圆空间内的一个多边形，通过多边形的几何中心和面积构建解集的三维可视化空间，提出类圆映射可视化方法。并对类圆映射下的支配关系与均衡性等进行了定义及理论分析与证明。实验表明，类圆映射可视化方法在保持解集的Pareto支配关系、Pareto前沿密度分布和形状等方面具有良好的性能，对解集的维度和规模具有较好的鲁棒性，并能有效避免映射点遮挡，为决策者可视化评价和选择高维多目标解集提供了依据。
　　(2)针对类圆映射可视化方法无法直观判断目标属性的问题，构建一种多目标排序准则，提出了基于目标重排的类圆映射可视化方法。该方法在类圆映射机制的基础上，构建了多目标排序准则，利用排序准则指导维度锚点重新布局。在有效保持解集Pareto前沿信息的同时，利用维度锚点的位置直观地表达目标间的相关性，并提高了类圆映射可视化方法的拓扑保持和显示延展度两项指标。
　　(3)为了拓宽拓展类圆映射可视化方法的应用范围，引入了维度扩展和重排策略，提出了基于维度扩展和重排的类圆映射可视化方法。首先利用近邻传播聚类算法和多目标可视化聚类评价指标，将高维数据扩展至更高维空间，然后对扩展后的高维数据的维度进行相关性重排，最后采用类圆映射机制和t-SNE算法实现高维数据在2维空间的可视化聚类。实验表明，维度扩展和重排策略能有效提高类圆映射可视化聚类效果，其中的维度扩展策略也能显著提高其他径向布局可视化方法聚类效果，具有较好的泛化性能。并且与同类方法相比，基于维度扩展和重排的类圆映射可视化方法可视化聚类高维数据时有明显优势，进一步证明了其在处理实际问题的有效性，同时也提高了类圆映射可视化方法的使用范围。