Gran parte de los problemas del mundo real implican la optimización simultánea de varios objetivos que generalmente presentan conflictos entre ellos; es decir, la mejora en uno conduce a un deterioro en el otro. Aunque la mayoría de los problemas de decisión involucran este tipo de situaciones, las propuestas computacionales de automatización que se han presentado para resolverlos habitualmente se limitan a convertir el problema de objetivos múltiples en uno en que existe un solo objetivo. Sin embargo, el estado actual de la ciencia podría generar mejores resultados ya que existen modelos matemáticos que se ajustan mejor a la naturaleza de éstos problemas. Tales modelos provienen de un área de la Investigación de Operaciones conocida como optimización con objetivos múltiples o multiobjetivo. Se dice que las soluciones de un problema con objetivos múltiples son óptimas porque ninguna otra solución, en todo el espacio de búsqueda, es superior a ellas cuando se tienen en cuenta todos los objetivos al mismo tiempo, i.e. ningún objetivo puede mejorarse sin degradar a los demás.

Para resolver un problema de búsqueda u optimización se van a utilizar algoritmos evolutivos. El término algoritmo evolutivo se refiere a técnicas de búsqueda y optimización inspiradas en el modelo de la evolución. A pesar de ser simplistas desde el punto de vista de la biología, estos algoritmos son suficientemente complejos como para proveer mecanismos de búsqueda robustos y que se adaptan a gran variedad de problemas.