本研究提出了一种基于贝叶斯优化的 PAC-MOO 方法来解决约束多目标优化问题。该方法学习输出目标和约束的代理模型，并选择评估最佳受约束 Pareto 前沿的信息且同时考虑目标偏好的候选输入。实验结果表明 PAC-MOO 比现有方法更有效。