现实世界中的受限多目标优化需要在促进问题可行性的同时，保持帕累托前沿的均匀分布；此外，搜索强度和约束压力在不同的进化阶段也会有所变化。然而，许多现有的进化算法仍然依赖于手动指定的搜索阶段和敏感的参数设置。同时，关于单目标优化和多目标优化的统一研究正在增加，但大多数现有方法是通过高级设计方案或顺序设计来连接这两种优化方式，而不是在共同的进化流程中实现自适应控制逻辑。基于MPNBDE的阶段感知控制理念，我们提出了MMPNBDE，这是一个用于受限多目标优化和单目标优化的统一多种群差分进化框架。MMPNBDE不需要使用相同的比较标准，而是通过一种通用的阶段感知控制逻辑来统一这两种优化问题。其核心是提出的标准化费米规则（NFR），该规则根据种群状态推断进化阶段，并自适应地调节搜索行为和约束压力。MMPNBDE还集成了自适应的约束松弛与修复机制、状态依赖的搜索行为和个体引导机制、基于NFR的候选种群生成策略以及改进的非支配排序程序。在56个合成多目标优化问题（CMOPs）、35个实际工程多目标优化问题和21个单目标基准函数上的实验表明，MMPNBDE分别在IGD（信息增益）、HV（赫芬达尔多样性）和函数值方面，在33个、13个和9个问题上取得了最佳性能。
