本文探讨了动态多目标优化中的连续学习方法，提出了弹性多梯度下降（EMGD）和小型持续学习者合作模型（CoSCL），以提升模型的泛化能力和记忆稳定性。同时，研究了数据集偏差对知识迁移的影响，并提出了TF-CL和SparCL等新框架和算法，以优化学习效率和性能。