1、優化問題三要素：

決策變數、目標函式、約束

2、單、多目標優化的關係：

多目標優化問題的各個子目標之間是矛盾的 ,一個子目標的改善有可能會引起另一個或者另幾個子目標的效能降低 , 也就是要同時使多個子目標一起達到最優值是不可能的 , 而只能在它們中間進行協調和折中處理 , 使各個子目標都儘可能地達到最優化。其與單目標優化問題的本質區別在於 ,它的解並非唯一 ,而是存在一組由眾多 Pareto最優解組成的最優解集合 ,集合中的各個元素稱為 Pareto最優解或非劣最優解。

3、不同演算法在多目標優化中的應用 ：

多目標優化問題不存在唯一的全域性最優解 ,過多的非劣解是無法直接應用的 ,所以在求解時就是要尋找一個最終解。求最終解主要有三類方法 : 
a)生成法 ,即先求出大量的非劣解 ,構成非劣解的一個子集 ,然後按照決策者的意圖找出最終解 ; 
b)為互動法 ,不先求出很多的非劣解 ,而是通過分析者與決策者對話的方式逐步求出最終解 ; 
c)是事先

4、優化問題分類：

數量：

單目標優化問題；多目標優化有多個評測函式的存在，而且使用不同的評測函式的解，也是不同的。也即是說：多目標優化問題中，同時存在多個最大化或是最小化的目標函式，並且，這些目標函式並不是相互獨立的，也不是相互和諧融洽的，他們之間會存在或多或少的衝突，使得不能同時滿足所有的目標函式。

變數性質：

數值優化問題：決策變數的取值往往是連續的，通常是一段連續定義域上的連續函式的函式求得最值的問題

組合優化問題：決策變數是離散的。 組合優化問題是對離散變數按照一定評價標準的排序，篩選或分類。

組合問題首先有解的集合，但是怎樣優化是重點。

是否有約束：

有約束問題：既可以是等式約束也可以是不等式約束。尋找這一組引數值的關鍵可是：滿足約束條件和目標值要達到最優。

目標函式：

非線性優化：如果目標函式或者約束條件中至少有一個是非線性函式時，最優化問題叫做非線性規劃問題

二次規劃：二次規劃問題是目標函式是二次的，約束條件是線性的