我们为多目标优化问题引入了一种简单的进化方案，称为Pareto存档进化策略（PAES）。我们认为，PAES可能代表了能够在Pareto最优集中生成不同解的最简单可能的非平凡算法。该算法最简单的形式是一种（1+1）进化策略，采用局部搜索，但使用先前找到的解的参考档案，以确定当前和候选解向量的近似优势排名。（1+1）-PAES旨在成为一种基线方法，可与更多涉及的方法进行比较。当本地搜索似乎优于基于人口的方法或与之竞争时，它也可以很好地应用于一些实际应用程序。我们引入PAES的（1+λ）和（μ+λ）变体作为基本算法的扩展。将PAES的六种变体与小生境Pareto遗传算法和非支配排序遗传算法的变体在不同的六个测试函数集上进行了比较。使用技术对结果进行分析和展示，这些技术将从多次优化运行中生成的达到面减少为一组单变量分布。这使得可以进行标准统计分析，以进行比较。我们的结果有力地证明了PAES在一系列多目标优化任务中始终表现良好。
