【目的】在目标函数评估昂贵的情形下，为目标空间维度较高的多目标优化问题提供一种有效的解决方案。【方法】在基于分解的多目标进化算法的基础上，采用种群聚类的办法对决策空间中的种群进行聚类，确定后代点的生成邻域。在生成后代的过程中，首先扩大遗传算法中父代样本点的选择范围，然后利用径向基函数对生成的候选点种群进行筛选，并选择值最好的候选点作为后代，进而更新种群。【结果】得到了解决具有高维目标空间的昂贵多目标进化算法。【结论】就具有高维目标空间的测试问题而言，本文提出的算法与多目标邻域回归优化算法相比有很大优势。