在筛选个体的过程中，多目标进化算法大多利用非支配信息和密度信息评价个体。但当个体互为非支配关系时，上述信息就难以区分个体的优劣从而影响算法性能。为了改善上述情况，提出了一种基于距离收敛量和历史信息密度的多目标进化算法。距离收敛量可以在非支配信息不能区分个体时评价个体的收敛性；历史信息密度可以更精确地提供个体多样性信息。在与四个先进的多目标进化算法的对比实验中，新算法的求解质量明显优于对比算法。