1.一种基于协同进化的多偏好高维目标优化方法，其特征在于，包括以下步骤：步骤1初始化参数：设置进化种群P的规模为N，偏好向量集G的规模为Ngoal，最大进化代数为MaxGen，产生一个初始化种群P＝(P1,P2,...,PN)，产生一个初始化偏好向量集G＝(G1,G2,...,GNgoal)；

步骤2更新：进化种群P，使用遗传变异操作产生新的子代种群Pc，针对偏好向量集G，更新偏好上下界，上界 下界 其中，j＝1,

2,...,M，M为目标个数；根据更新后的上下界采用随机产生的方式生成新的偏好向量Gc，更新外部集合Qt，分别将父子代种群和偏好向量集混合，得到混合种群JointP与混合偏好向量集JointG，计算其各自适应度值，截断选择产生新子代种群和新偏好向量集；

步骤3确定偏好区域：利用ASF扩展函数将进化种群中的理想解映射至目标空间，并将其作为偏好向量引导种群进化的参考方向，然后利用偏好区域选择策略获取两个临时参考点进而构建决策者感兴趣区域ROI，确定偏好向量集产生的上下界范围，通过协同进化机制引导种群朝偏好区域收敛；

步骤4优化处理：对目标函数进行优化，从ROI区域范围内的候选解中选择适应值最大的N个候选解进入下一代进化；

步骤5停止判断：判断是否满足终止条件，若否，返回步骤2；若是，输出最优解集，算法运行结束。

2.如权利要求1所述的一种基于协同进化的多偏好高维目标优化方法，其特征在于：所述步骤2中，个体适应度值的计算公式如下：其中，ng是满足偏好向量g的候选解的个数，如果候选解s没有满足任何的偏好向量g，则候选解s的适应值Fs的值为0，并且：其中，N是候选解个数。

3.如权利要求1或2所述的一种基于协同进化的多偏好高维目标优化方法，其特征在于：所述步骤3中，ASF扩展函数将进化种群中的理想解映射至目标空间的求解过程为：其中ρ＞0，ρ是一个很小的正数，称为放大系数，为参考点，ASF扩展函数可以将多目标问题转换成单目标问题，并且获得一个满足决策者偏好的参考点，决策者通过交互式过程不断改变ASF函数求得的参考点以获得决策者最想要的候选解。

4.如权利要求3所述的一种基于协同进化的多偏好高维目标优化方法，其特征在于：所述步骤3中，利用偏好区域选择策略构建决策者感兴趣区域ROI的求解过程为：在算法进化前期，计算种群个体的ASF函数值以获取当前种群的理想解z*，并将其进行正交分解，找到两个临时参考点，分别记为 和 再分别计算两个临时参考点与每个个体之间的ASF函数值，找到离临时参考点最近的两个个体，由此确定偏好区域，确定偏好向量集产生范围的上界goalUpper和下界goalLower，将更多的搜索资源用于决策者感兴趣区域内ROI的解集。

5.如权利要求4所述的一种基于协同进化的多偏好高维目标优化方法，其特征在于：所述步骤3中，利用偏好区域选择策略构建决策者感兴趣区域ROI的求解过程包括以下步骤：步骤31：在当前代数为t的种群P(t)中，将理想解记为z*,计算每个个体与理想解z*的ASF值，找到ASF值最小的个体，记为Smin；

步骤32：对向量 进行正交分解，得到两个临时参考，分别记为 和

步骤33：分别计算当前种群中每个个体到 的ASF值，找到离临时参考点 最近的两个个体，记为xcloset,i；

步骤34：根据公式 在当前种群中确定哪一些

是偏好解，不属于该区域的种群个体将被剔除，从而确定偏好区域范围。