多目標(biāo)優(yōu)化問題廣泛存在于現(xiàn)實(shí)世界的應(yīng)用當(dāng)中。傳統(tǒng)的基于個(gè)體進(jìn)化策略的進(jìn)化算法在處理這些優(yōu)化問題時(shí)往往收斂速度慢、嚴(yán)格依賴于種群大小而且效果不大理想。分布估計(jì)算法作為元啟發(fā)式（meta-heuristics）方法的一種，將統(tǒng)計(jì)機(jī)器學(xué)習(xí)同群體進(jìn)化模式相結(jié)合，引起了學(xué)者的廣泛關(guān)注。在這篇文章中，我們提出了一種基于趨勢預(yù)測模型（TPM）的分布估計(jì)算法，TPM-EDA，用于解決多目標(biāo)優(yōu)化問題。其特點(diǎn)在于有效地利用了群體進(jìn)化過程的歷史信息來預(yù)測粒子運(yùn)動的趨勢，從而加速了查找最優(yōu)Pareto前沿面的過程，提升了算法的搜索能力。與此同時(shí)，通過引入稀疏度來控制個(gè)體的采樣頻率，來實(shí)現(xiàn)種群的多樣性。我們在6個(gè)不同的測試函數(shù)上，對TPM-EDA和多種已有的EDA算法進(jìn)行了對比性試驗(yàn)。實(shí)驗(yàn)結(jié)果表明了TPM-EDA方法的有效性。