传统的聚类算法通常基于单一的距离度量而设计，如何将多种距离度量有机融合在一起是当前面临的一个挑战。提出了一种基于多目标进化算法的多距离度量聚类框架（multiobjectiveevolutionarymultipledistancemeasureclustering，MOMDC），并使用欧氏距离和Path距离来设计实际框架。该框架将数据集分别用两种距离测度预聚类，而后将预聚类结果作合并，以降低问题的规模，分别计算子类间的两种距离关系；最后使用多目标进化算法在两种距离空间中并行聚类。在多目标进化算法设计中，使用实数—标签的编码方式来设计染色体，并且设计了基于两种距离测度的两个适应度函数