MOBO（多目标贝叶斯优化）

多目标贝叶斯优化（Multi-Objective Bayesian Optimization）旨在找到帕累托最优解集，平衡多个目标之间的权衡。它使用高斯过程等代理模型对目标函数建模，并通过采集函数（如 Expected Hypervolume Improvement）指导采样。与单目标贝叶斯优化相比，MOBO 需要处理帕累托前沿的逼近和超体积计算。常见算法包括 ParEGO、SMS-EGO 和基于 EHVI 的方法。MOBO 在计算昂贵的多目标优化问题中表现出色，如神经网络架构搜索和药物发现。