MOEA/D（Multi-objective Evolutionary Algorithm Based on Decomposition，基於分解的多目標進化算法）是一種用於解決多目標最佳化問題的算法。該算法的核心思想是將一個多目標最佳化問題分解為一系列單目標最佳化子問題或多個多目標子問題。每個子問題都對應一個權重向量，通過計算權重向量之間的歐氏距離來確定子問題之間的鄰域關係。
在MOEA/D中，進化算法被用於同時最佳化這些子問題，利用子問題之間的協同進化機制，可以避免陷入局部最優。此外，MOEA/D算法可以處理不同比例的目標，通過目標歸一化技術，將目標函式值標準化，以適應不同的尺度。
MOEA/D算法的計算複雜度相對較低，因為它在每一代只最佳化與當前最優解鄰近的子問題，減少了全局搜尋的需要。實驗結果表明，MOEA/D在處理多目標最佳化問題時，能夠生成一組分布均勻的解，並且優於其他多目標進化算法，如MOGLS和NSGA-II。