是否有机会找到最佳配置？还是只能靠运气？你应该优先选择速度以成为最快，还是加速度以便在被击中后快速恢复？让我给你展示一个一个多世纪前经济学家维尔弗雷多·帕累托提出的解决方案。
找到最快的车手只需按速度属性排名。这里你可能会认为Bowser或Wario是显而易见的选择。
但你不能只依靠速度来找到最优配置。你还必须考虑其他因素。现在，找到最佳的角色/车身/轮胎/滑翔伞就不再简单了——你必须在速度、加速度、操纵、重量、越野、迷你涡轮之间进行权衡。
仔细看！你会发现有些选项总是被支配。让我们关注这个可怜的Koopa。
Cat Peach有更高的速度，相同加速度；Toadette有更高的加速度，相同速度。私下说，如果你想赢，永远不要让Koopa坐进你的卡丁车！
你可以识别出所有有效的车手，他们不像Koopa那样在速度和加速度上都不被支配。这些车手共同组成了所谓的帕累托前沿（或边界）。
请注意：并非前沿上的所有元素都一样好。你可能不会选择位于前沿边缘的车手，因为你希望在速度和加速度之间取得某种平衡。帕累托效率是一种客观的筛选次优选择的标准，但你仍然需要做出最终决定。
根据你的游戏风格和技能，你可能会更看重某个属性。这些偏好将揭示前沿上最适合你的部分。
速度 加速度 操纵 重量 越野 迷你涡轮 速度 加速度 操纵 重量 越野 迷你涡轮 重置
最佳 角色/车身/轮胎/滑翔伞 : {}
在实践中，你不仅选择一名车手，还要选择车身、车轮和滑翔伞的完整组合。在下一节中，我将把每种配置显示为一个不同的点。但这会使选择数量爆炸。不过帕累托与我们同在！
我们在这里玩了一会儿，但你难道没看到规律吗？我们经常面临类似的权衡。你想要一份既便宜又美味的餐点？一份工资高、容易又令人满足的工作？一个低风险高回报的投资组合？一种灵活且坚固又易于生产的材料？一种公平而高效的税收制度？一个高质量且快速、成本高效的LLM？在所有这些情况下，你都面临一个多目标优化问题，必须做出权衡。
当然，如果你已经知道要为每个维度分配的确切权重（即，你知道你的效用函数），你就将问题简化为单一目标优化。这是因为你可以将维度与权重组合成单一数量来优化（通常称为效用、成本或适应性）。在那种情况下，你根本不需要帕累托。