参考与这个链接的博客https://blog.csdn.net/paulfeng20171114/article/details/82454310
多目标优化—xbdhm（Pareto）1 多目标优化简介
2多目标优化数学语言描述
3 多目标优化的Pareto占优
在现实生活中有很多的问题都是由互相冲突和影响的多个目标组成，这些目标不可能同时达到最优的状态，我们通常会尽量让这些目标在一定的区域内达到最佳的状态，这就是多目标优化。
2 多目标优化数学语言描述：多目标优化问题是由多个目标函数以及不等式约束条件组成，从数学角度可以做如下描述：
其中fi(x),{i=1,2,…m}是目标函数, gi(x)和hj(x)是约束函数
定义1：xbdhm占优（Pareto Dominate）
也可称为a支配b,如果对于一个决策变量，不存在其他决策变量能够支配他，那么就称该决策变量为非支配解。
定义2：xbdhm最优解
如果在整个参数空间内不存在任何一个决策向量xbdhm占优某一个决策向量，就称该决策向量是xbdhm最优解。所有xbdhm最优解组成的集合称为xbdhm最优解集合
定义3：绝对最优解、非劣解、xbdhm前沿
在决策变量的集合S中，有一个变量X*，对于任意的X属于S,存在目标函数F(X*)<=F(X)，则称X*为目标函数的 绝对最优解
在决策变量的集合S中，有一个变量X-，对于任意的X属于S,存在目标函数F(X)<=F(X-） ，则称X-为目标函数的 最优解(非劣解）
多目标优化问题的非劣解一般不止一个，由所有非劣解构成的集合称为 非劣解集
所有非劣解对应的目标函数构成了非劣最优目标域也就是xbdhm前言