自适应算子选择（AOS）用于基于不同算子在优化过程中的最新性能，以在线方式确定不同算子的应用率。 本文提出了一种基于强盗的AOS方法，基于适应度等级的多臂强盗（FRRMAB）。 为了跟踪搜索过程的动态，它使用滑动窗口来记录操作员最近的适应度提高率，同时使用衰减机制来增加最佳操作员的选择概率。 由于在大多数基于帕累托支配的多目标进化算法中，定量测量适应性改进非常困难，因此在多目标进化计算中对AOS所做的工作还很少。 基于分解的多目标进化算法（MOEA / D）将多目标优化问题分解为多个标量优化子问