多目标优化算法（一）：知识储备

算法小白第一次记笔记，多多指教！
注：我最近在研读向毅博士的毕业论文，以下知识点来自其博士论文，但是也有我自己的理解与总结。在此附上论文的百度学术链接：https://xueshu.baidu.com/usercenter/paper/show?paperid=1g5806j0910a00p0rd3g0ax0r5437805&site=xueshu_se

目录

1. 智能优化算法的优势
2. 优化问题的分类
3. 高维多目标演化算法的分类（MaOEAs）
4. 多目标优化问题基本定义
5. 多目标测试问题集
6. 多目标算法性能评价指标

智能优化算法的优势

与数学方法相比，演化算法和基于群集智能算法的优势为：

1. 不要求当前问题具有较好的解析性质，如可导，连续等；
2. 可处理大规模，甚至极为复杂的搜索空间；
3. 基于种群（或群体）特性，使算法单次运行即可产生真实帕累托前沿近似解集。

优化问题的分类

在科学研究及工程实践中，人们往往会遇到各种优化问题。一般来说，这些优化问题被分为单目标优化问题和多目标优化问题。

1. 单目标优化问题(Single-objective optimization problem,SOPs) :待优化的目标只有一个；一个问题对应一个最优解。
2. 多目标优化问题(Multi-objective optimization problem,MOPs):至少存在两个目标，且各目标之间往往冲