计算机专业文献翻译：Due to their population-based nature evolutionary algorithmsEAs are able to approximate the whole PS PF of an MOP ina single run There has been a growing interest in applying EAsto deal with

由于进化算法（EAs）的基于种群的特性，它们能够在单次运行中近似解决多目标优化问题（MOP）的整个Pareto前沿（PF）。自Schaffer的开创性工作[4]以来，越来越多的研究者开始将EAs应用于处理MOPs，这些EAs被称为多目标进化算法（MOEAs）。截至2011年1月，已经发表了超过56001篇关于进化多目标优化的论文。其中66.8％的论文发表在过去八年中，38.4％的论文是期刊论文，42.2％的论文是会议论文。对MOEAs的研究工作已经从不同方面进行了调查。其中一些主要是关于通用方法学[5-12]的；一些是关于理论发展和应用[13,14]的；一些工作集中在MOPs的特殊方法上，例如模拟退火（SA）[15]、粒子群优化（PSO）[16]和记忆化算法[17]；一些是关于组合问题[18,19]的；而其他一些则是关于特殊应用，例如工程问题[14,20,21]、调度问题[22]、经济和金融问题[23]、自动单元规划问题[24]、旅行推销员问题[25]和MOPs中的偏好[26]。然而，最近几年并没有进行全面的MOEA发展调查[6]。