多目標優化問題是需要同時處理多個相互沖突和相互影響的目標，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性能降低，需要在他們中間進行協調處理。起初，多目標優化問題往往通過加權等方式轉化為單目標問題，但此方法效率較低且對權值和次序較為敏感。因此，后來發展了基于Pareto最優解集（Pareto-optimal set）或非支配解集（Nondominated Set）的群體智能算法解決多目標問題。

　　果蠅優化算法（Fruit Fly Optimization Algorithm，FOA）是由臺灣博士潘文超于201 1年提出的一類全局進化優化算法。該算法源于對果蠅覓食行為的模擬，已在自動化倉庫揀選作業調度問題，邊坡穩定預測問題，船舶操縱響應模型的辨識問題㈤等方面得到成功的應用。進化算法遁過在代與代之間維持由潛在解組成的種群來實現全局搜索，這種從種群到種群的方法對于搜索多目標優化問題的pareto最優集是很有用的。