多目标遗传也算是一种可靠点的理论，那么多目标遗传算法原理是什么呢？

对于单目标问题，遗传算法展示出其优越性。但是在多目标的优化问题中，人们首先碰到的最大的问题就是如何去衡量一个个体适应度好坏。打个比方，在一个班级里，每一个同学都有语数外三门成绩。如果我给与语数外一定的权重，那么我们可以将语数外三门成绩做加权处理，从而对所有同学的成绩做出排序，这样问题就退化成单目标优化问题了。

然而，如果我们不能给出语数外三个成绩的权重。也就是说语文100分，数学0分，英语0分与语文0分，数学100分，英语100分在没有说明权重的情况下是无法判断谁更好的。我们把这种关系叫做非支配。支配是人们用来判断多维向量适应度好坏一种关系。如果A在任何一个维度都比B要好，那么A就支配B。否则，A非支配B。所有相互非支配的向量被成为帕累托解集。如此，我们可以将班级中所有同学的成绩做出一个分类，而所有解集中，适应度最好的那个解集对应的适应度函数的值的集合。