混合方法

在群智能算法还未出现之前，求解多目标优化问题都是采用数学规划方法。虽然群智能算法可以从全局角度找到有前景的领域，但其在局部区域的微妙搜索可能不如传统的数学规划。
在面对存在等式约束时，等式约束通常会降低搜索空间维数，许多智能约束优化算法将等式约束放宽为不等式约束，但这种做法不能保证所得到解的严格可行性。
于是出现了将智能优化算法与数学规划方法结合的混合方法用来求解CMOPs。

近年算法整理

1、Kelner等提出了一种将遗传算法与基于内点法的局部搜索策略相结合的混合优化技术。

2、Datta等提出将内点法与非凸径向边界相交相结合。径向边界交集将多目标优化问题分解为若干子问题，这些子问题沿等距直线径向向外寻找最近参考点的解。

3、Morovati和Pourkarimi采用Zoutendijk方法求解cops，该算法考虑所有目标和约束条件，并提出一个凸二次子问题生成方便的改进可行方向。

4、sch策等提出了一种利用邻域信息计算搜索方向的方法。该方法对种群中的给定点，利用该点的邻域解计算给定数据的贪婪搜索方向。

5、Lara等在搜索过程中提出了基于子空间的运动构造方法，该方法使用多目标随机局部搜索来引导个体。

6、Uribe等结合特殊的局部搜索机制，提出了一种考虑局部搜索约束信息的双目标优化问题下降方向计算方法。

7、Cuate等将MOEA与类连续技术相结合，得到了一种快速可靠的数值求解器。

8、Hernández等人提出了一种将超体积牛顿法与进化策略相结合的方法，以获得一种快速可靠的cops处理算法。

9、sch等将梯度子空间近似与EA相结合求解cops，可以根据给定的邻域信息以最优拟合的方式计算下降方向。