本研究では，ピボット型一般化の効率的な一般化手法として，一般化の促進による計算コストの増加を抑え，かつより多様な一般化解を生成する手法を提案する．ピボット型一般化とは遺伝的アルゴリズムを用いて，多目的環境にロバストな （解の一部を変更しても性能劣化を抑える） 解の探索に有効な手法であるが，従来手法では，解の変更可能カ所はハミング距離が ２ の解同士しか一般化の対象にならず，多様な一般化解を生成することができなかった．また，一般化された解が増えるにつれ，計算コストが増加するという問題も抱えていた．そこでわれわれは，解の変更可能点を自在に設定できる手法に拡張し，また，一般化解の増加していた計算コストを一定おさえるモデルにした．さらに，このモデルの改良により，従来手法よりもより多様な一般化解の生成に成功した．