用途：pymoo 是 Python 优化框架，侧重多目标优化，可求解单目标与多目标问题，寻找冲突目标间的权衡解（Pareto 前沿），并支持约束优化、基准测试与多准则决策。
主要能力：内置 NSGA-II、NSGA-III、MOEA/D 等算法，以及 GA、DE、PSO、CMA-ES 等单目标算法；提供 ZDT、DTLZ、WFG 等基准问题；支持自定义遗传算子（交叉、变异、选择）；支持连续、二进制、离散及混合变量；提供散点图、3D 散点、平行坐标图（PCP）、花瓣图等可视化；支持可行性优先、惩罚法、约束转目标等约束处理方式，以及 PseudoWeights 等 MCDM 方法。
使用方式：统一通过 minimize(problem, algorithm, termination, seed, verbose) 调用，结果对象含 result.X、result.F、result.G 等。自定义问题需继承 ElementwiseProblem，实现 _evaluate，约束按 g(x) <= 0 与 h(x) = 0 表达。NSGA-III 需用 get_reference_directions 生成参考方向。安装：uv pip install pymoo。依赖 NumPy、SciPy、matplotlib，autograd 可选。
适用场景：工程设计、多目标权衡分析、算法基准对比、约束优化、高维目标决策等。
限制：资料基于 pymoo 0.6.x；未提供具体收费、价格或平台信息；性能调优需自行调整种群规模、代数与算子参数。