（译文 页数：13 字数：8115）帕累托最优

摘 要：在过去的20年里，进化算法已经成功用于解决2个或更多个目标(称为“多目标”)的问题。这个领域被称为“进化多目标优化”，已成为一个非常活跃的研究领域，该领域上升到各式各样的算法、技术来维持多样性、选择机制、归档和应用方案,以及其他重要的贡献。在本文中，我们将提供一个通用的概述,强调在这个领域中已经发展起来的主要研究成果，以及它的研究趋势和未来的挑战。

目录

1 介绍
2 帕累托最优
3 这个领域的起源
4 过去日子：简单的方法
5 第二阶段：成长的痛苦
6 未来发展方向
7 结论

1 介绍
两个或更多目标（称之为“多目标”）的问题在工程和许多学科中普遍存在。解决这样的问题是困难的，因为他们的目标往往相互之间有冲突,这样就有必要给出一个最优的新概念。
十九世纪末，一个最优概念在经济学中已经发展起来。后来，这个最优概念在运筹学中被正式介绍并开始应用于解决多目标问题。在过去的几年，这项研究区域增长到几乎成为一个单独的运筹学分支来进行研究。
从历史上看,进化算法的研究专家第一次接触多目标优化是在20世纪60年代。然而，直到1985年才有第一个实际的算法的贡献。自那时起,该领域（现在称为“进化多目标优化”,或简称EMO）经历着一个重大的成长过程。
从在这个领域中形成的重要成果的前景，这一节介绍了EMO的一般概念。其余的章节如下顺序介绍：第二节介绍一些基本概念，这使得该节看起来是独立的。第三节，我们描述了多目标优化的起源以及在这个领域中进化算法的使用的简短概述。第四节描述EMO的初期形成，包括大约13年的状况和一些简单而使用的方法。第五节描述第二个阶段，包括我们当前研究的日子。最后，第六节提供一些看法，这些看法形成了本论文作者的观点，这看出我们将在未来的几年内继续对多目标问题的研究。第七节时本文的结论。