多目标优化

多目标优化源于运筹学与工程决策，在AI中广泛用于模型压缩、公平性与性能的权衡。由于各目标常相互制约，通常不存在单一最优解，而是求Pareto最优解集。常用方法包括加权求和、进化算法（如NSGA-II）及基于梯度的多任务学习。近年它在超参数搜索、推荐系统与强化学习策略设计中愈发重要。