优化问题可以从下面四个方面进行分类：目标数、约束、时间、模态。如下图

https://img2022.cnblogs.com/blog/2698074/202206/2698074-20220629151430311-265882160.png

单目标优化问题

https://img2022.cnblogs.com/blog/2698074/202206/2698074-20220629151713345-1375808055.png

多模态单目标优化问题

https://img2022.cnblogs.com/blog/2698074/202206/2698074-20220629151802505-1120698689.png

多模态优化可以提供多个选择、找到更稳定的解，提供多个选择、找到更稳定的解、分析优化问题的性质、提高种群离散度、动态优化中对解的快速追踪...

多目标优化是指两个或两个以上相互冲突的目标需要优化。重点了解双目标优化问题，目标分别是能耗和时延。minxf(x)=(T(x),E(x))minxf(x)=(T(x),E(x)).支配关系示意图如下

https://img2022.cnblogs.com/blog/2698074/202206/2698074-20220629154820470-1540171583.png

帕累托最优解集(PSPS):在决策空间中所有非支配解组成的集合。帕累托前沿（PFPF）:在目标空间中与PS对应的向量集合。

https://img2022.cnblogs.com/blog/2698074/202206/2698074-20220629161305981-556441992.png

多目标优化算法评价指标又Hv，IGD等用于衡量目标空间的多样性和收敛性