用途：pymoo 是 Python 优化框架，重点解决单目标与多目标优化问题，尤其擅长处理目标相互冲突、需要寻找权衡解（帕累托前沿）的场景，可用于工程设计等领域的优化。
主要能力：提供统一 minimize() 接口；内置 NSGA-II、NSGA-III、MOEA/D、GA、DE、PSO、CMA-ES、SRES 等算法；支持单目标、多目标（2-3 个）、多目标（4 个以上）及带约束问题；提供 ZDT、DTLZ、WFG 等基准问题；支持自定义问题、遗传算子（交叉、变异、选择）定制、约束处理（可行性优先、惩罚法、约束转目标等）、多准则决策（伪权重、折中规划、膝点、超体积贡献）以及散点图、3D 散点、平行坐标图、花瓣图等可视化。
使用方式：安装命令为 uv pip install pymoo，依赖 NumPy、SciPy、matplotlib，autograd 可选。典型用法是定义或选取问题，选择算法与终止条件，调用 minimize(problem, algorithm, termination, seed=1, verbose=True)，从 result.X、result.F、result.G 获取解、目标值与约束违反。自定义问题需继承 ElementwiseProblem，实现 _evaluate，约束写成 g(x) <= 0 与 h(x) = 0；NSGA-III 需提供参考方向。
适用场景：工程设计与多目标权衡分析、算法基准测试、约束优化、离散或混合变量问题、从帕累托前沿中做决策。
限制：资料基于 pymoo 0.6.x；未提供具体收费、价格或平台信息；性能与收敛效果取决于参数设置，需按问题调整种群规模、代数与算子参数。