pymoo 是一个以多目标优化为重点的 Python 优化框架，通过统一的 minimize() 接口调用问题、算法与终止条件，结果对象提供 result.X（决策变量）、result.F（目标值）、result.G（约束违反）等。
主要能力：支持单目标、多目标（2-3 个目标，Pareto 前沿）、多目标（4+ 目标）及带等式/不等式约束的问题；内置 GA、DE、PSO、CMA-ES、NSGA-II、NSGA-III、MOEA/D、RVEA 等算法；提供 ZDT、DTLZ、WFG 等基准问题（get_problem），支持自定义遗传算子（如 SBX 交叉、PM 变异）以及二元、离散、连续和混合变量。
使用方式：通过继承 ElementwiseProblem 定义问题并在 _evaluate 中写入 out["F"]、out["G"]、out["H"]；约束需写成 g(x) <= 0 与 h(x) = 0；NSGA-III 需先用 get_reference_directions 生成参考方向；结果可用 Scatter、PCP、Petal 等可视化，并可用 PseudoWeights 等 MCDM 方法从 Pareto 前沿选解。
安装：uv pip install pymoo（依赖 NumPy、SciPy、matplotlib，autograd 可选）。本技能基于 pymoo 0.6.x，文档见 https://pymoo.org/。
限制：资料未提供具体收费、性能基准、并行加速的保证或平台支持细节；部分行为依赖问题规模与参数设置。