这篇文章讨论了决策者的偏好信息通常是如何能整合到多目标搜索中的。
主要的思想是：首先是用二元性能指标的形式定义最优目标，然后在选择过程中直接使用这个指标
如何根据任意的偏好信息设计MOEAs？
当x1支配x2时，指标值就变为负值。
左边的图是对应加法ε~+指标
右边的图是对应HD指标

约定：α表示种群大小，N表示最大迭代次数，

step1: 产生初始种群P，种群大小为α，当前迭代此时m=0

step2: 适应度计算，根据一下公式计算P里个体的适应度，例如x1（k为比例缩放因子，参数）

step3: 对每一代P，执行如下运算（缩减），直到种群大小为α

选择适应度最小的解
从种群中去掉该解
更新剩余解的适应度值‘

step4: 终止条件判断

step5: p’ 为p 的复制，

step6: 用交叉变异作用在p’上，p=p’+p，m=m+1，转step2。