ev-MOGA 多目标进化算法由瓦伦西亚理工大学的预测控制和启发式优化小组开发。 ev-MOGA 是一种基于 epsilon 优势概念的精英主义多目标进化算法。 ev-MOGA,试图以有限的内存资源以智能分布式方式获得帕累托前沿的良好近似。 它还动态调整帕累托前沿的限制。 有关 ev-MOGA 的详细信息在(请将此算法引用为): [1] M. Martínez、JM Herrero、J. Sanchis、X. Blasco 和 S. García-Nieto。 通过随机求解器应用帕累托多目标优化。 人工智能的工程应用。 卷。 22 pp. 455 - 465, 2009 (ISSN:0952-1976)。 该算法也描述在: [2] JM Herrero、M. Martínez、J. Sanchis 和 X. Blasco。 使用 epsilon-MOGA 进化算法的均匀分布的帕累托前沿。