帕累托优化通过将任务重新定义为双目标问题来解决约束优化任务。 Pareto优化已在应用程序中显示出非常有效的效果。 但是，它几乎没有理论上的支持。 这项工作在理论上将Pareto优化与惩罚方法进行了比较，后者是将约束优化转换为无约束优化的常用方法。 我们证明，在两类约束布尔优化问题上，最小拟阵优化（P可求解）和最小成本覆盖（NP难），帕累托优化比惩罚函数方法分别获得最优和近似解更有效。 。 此外，在最低成本覆盖的情况下，我们还展示了帕累托优化优于贪婪算法的优势。