多目标优化是一门学科，它处理通常存在冲突的许多函数或目标的同时优化。
这意味着改进其中一个函数会导致其他函数（某些功能）降低。解决多目标问题涉及搜索一组最优解，称为帕累托最优集，而不是单目标优化中的唯一解。在目标空间中这一组的对应被称为帕累托前沿。
帕累托前沿的所有解决方案都不是主导的，这意味着没有一个解决方案对所有目标都优于其他解决方案
本章提出的CCMOEA框架也扩展了Potter和De Jong的CCGA框架，用于多目标优化，正如Keerativuttitumrong的MOCCGA已经提出的以及Maneeratana和Tan的扩展。我们方法的主要区别来自：（1）允许构建不同CCMOEA的框架的通用性，例如使用NSGAII，SPEA2或MO-Cell; （2）其分布式档案管理（每个子群一个）以及从其解决方案中产生全球帕累托前沿的最终过程; （3）其有效的并行化和可扩展性的可能性; （4）使用来自其他子群体的一组随机选择的非支配解决方案实现的解决方案评估;
（5）连续和组合域上的算法验证