多目標最佳化（MOO）是一種最佳化技術，用於處理具有多個目標和決策變數的問題。
在多目標最佳化中，目標是找到一組解決方案，這些解決方案能在不同的目標函式之間實現最佳的平衡，由於這些目標通常是相互衝突的，即最佳化一個目標可能以其他目標的性能下降為代價，因此，多目標最佳化涉及在多個目標之間進行權衡和折中，以實現整體最優。多目標最佳化問題在許多領域都有套用，如工程設計、金融投資、交通規劃和醫療等。
在多目標最佳化中，一個重要的概念是帕累托前沿（Pareto Frontier），它代表了那些無法在不損害其他目標的情況下改善至少一個目標的解決方案。多目標最佳化方法和技術包括多目標遺傳算法（MOGA）、多目標粒子群最佳化和多目標模擬退火等，每種方法都有其特定的優勢和適用場景。隨著計算能力的提升和最佳化算法的發展，多目標最佳化技術有望在更多領域發揮作用，為複雜的決策問題提供更優的解決方案。