多目标优化涉及在一组约束条件下最小化或最大化多目标函数。示例问题包括分析设计权衡、选择最佳产品或过程设计，或任何其他需要在两个或多个冲突目标之间进行权衡的最佳解的应用。
多目标优化的常用方法包括：
- 目标实现：减少线性或非线性向量函数的值，以达到目标向量中给定的目标值。目标的相对重要性用权重向量表示。目标达成问题也可能受到线性和非线性约束。
- 极小极大值：最小化一组多元函数的最坏情况值，可能受到线性和非线性约束。
- 帕累托阵线：查找非劣解，即一个目标的改进需要另一万博 尤文图斯个目标的退化的解。可使用直接（模式）搜索解算器或遗传算法查找解。这两种方法均可应用于具有线性和非线性约束的光滑或非光滑问题。
