用途：pymoo 是 Python 优化框架，重点解决单目标与多目标优化问题，尤其擅长在目标冲突时寻找权衡解（Pareto 前沿），可用于工程设计、算法基准测试与多准则决策。
主要能力：内置 NSGA-II、NSGA-III、MOEA/D、GA、DE、PSO、CMA-ES、SRES 等算法；支持单目标、2-3 目标、4 个以上多目标及带约束问题；提供 ZDT、DTLZ、WFG 等基准问题；可自定义交叉、变异、选择等遗传算子；支持连续、二进制、离散与混合变量；提供散点图、3D 散点、平行坐标图、花瓣图等可视化；并含伪权重、折衷规划、膝点、超体积贡献等 MCDM 方法。
使用方式：统一通过 minimize(problem, algorithm, termination, seed=1, verbose=True) 调用，结果对象含 result.X（决策变量）、result.F（目标值）、result.G（约束违反）等。自定义问题需继承 ElementwiseProblem，在 _evaluate 中输出 F、G、H；约束须写成 g(x) <= 0 与 h(x) = 0。NSGA-III 需用 get_reference_directions 生成参考方向。安装命令为 uv pip install pymoo，依赖 NumPy、SciPy、matplotlib，autograd 可选。
适用场景：多目标权衡分析、约束优化、算法对比基准、高维目标可视化与从 Pareto 前沿中选解。
限制：资料未提供收费、价格与平台信息；版本基于 pymoo 0.6.x；文档见 https://pymoo.org/。