研发工作中通常需要处理多个设计目标。由于不同目标之间可能存在冲突，这让多目标优化变得比单目标优化更加复杂。多数情况下，多目标优化需要根据目标权重做出筛选，以权衡相互冲突的设计目标，选择需要的设计方案。

多目标妥协最优

多目标妥协最优是在不同的目标之间权衡，寻找一个折衷的解决方案。这种方法的本质是将多目标优化问题转化为单目标优化问题。多目标妥协最优的策略有很多，比如用加权函数对所有优化目标进行求和。或者选择一个目标作为主要目标，将其他目标按重要性降序排列，然后将每个目标函数单独最小化，在优化重要性高的优化目标时，重要性低的优化目标作为约束条件。对于不同的多目标优化需求，可以选择不同的方法。

寻找帕雷托前沿

多目标优化(MOO)算法能够同时考虑多个冲突的优化目标。每个目标都是一个特定的目标函数。

多目标优化算法通过算法寻优找到帕雷托前沿的最优解集。这个非受控点集合的外边界是设计无法进一步改进的极限。沿着帕雷托前沿移动，可以找到多目标问题的所有帕雷托最优解。