用途：pymoo 是 Python 的多目标优化框架，用于求解单目标、多目标（2-3 个）及多目标（4 个以上）优化问题，重点在于寻找目标相互冲突时的 Pareto 权衡解，适用于工程设计等场景。
主要能力：内置 NSGA-II、NSGA-III、MOEA/D、RVEA、AGE-MOEA 等多目标算法，以及 GA、DE、PSO、CMA-ES 等单目标算法；支持不等式约束 g(x)<=0、等式约束 h(x)=0 及可行性优先、惩罚法、约束转目标等处理方式；提供 ZDT、DTLZ、WFG 等基准问题；可自定义交叉、变异、选择算子，适配连续、二进制、离散、排列及混合变量；提供散点图、3D 散点、平行坐标图、花瓣图等可视化，并含 Pseudo-Weights、折中规划、膝点、超体积贡献等多准则决策方法。
使用方式：安装命令为 uv pip install pymoo，依赖 NumPy、SciPy、matplotlib，autograd 可选。统一步骤为先定义或获取问题，再选择算法与终止条件，最后调用 minimize(problem, algorithm, termination, seed=1, verbose=True)。自定义问题需继承 ElementwiseProblem，在 _evaluate 中写入 out["F"] 目标值、out["G"] 不等式约束与 out["H"] 等式约束。NSGA-III 需先用 get_reference_directions 生成参考方向。结果对象提供 result.X（决策变量）、result.F（目标值）、result.G（约束违反），可开启 save_history 分析收敛。
限制：本资料基于 pymoo 0.6.x，未提供具体收费、价格与性能对比数据；复杂问题需自行调参（种群规模、代数、算子参数），约束须按 g<=0 与 h=0 正确表述，否则易导致可行解稀少。官方文档见 https://pymoo.org/。