多目标进化算法（MOEA）

代表性算法

算法	核心思想	特点
NSGA-II (2002)	非支配排序 + 拥挤距离选择	最经典，收敛快、分布均匀
SPEA2 (2001)	精英外部档案 + 适应度赋值	平衡性好，适合中小规模
MOEA/D (2007)	分解法：将多目标问题分为若干加权子问题	可并行，适合高维多目标
NSGA-III (2014)	基于参考点的高维扩展	适用于 4 个以上目标问题
RVEA (2016)	动态权重调整与角度选择	平衡收敛与多样性

性能评价指标

指标	含义
GD (Generational Distance)	衡量解集到真实帕累托前沿的距离（收敛性）
SP (Spacing)	解的分布均匀程度
HV (Hypervolume)	解集覆盖体积，综合考虑收敛性与多样性
IGD (Inverted GD)	从真实前沿到算法前沿的距离，综合指标
Spread (Δ)	衡量帕累托前沿的均匀性