遺傳演算法非線性約束

『壹』 遺傳演算法的優缺點

1、早熟。這是最大的缺點，即演算法對新空間的探索能力是有限的，也容易收斂到局部最優解。
2、大量計算。涉及到大量個體的計算，當問題復雜時，計算時間是個問題。
3、處理規模小。目前對於維數較高的問題，還是很難處理和優化的。
4、難於處理非線性約束。對非線性約束的處理，大部分演算法都是添加懲罰因子，這是一筆不小的開支。
5、穩定性差。因為演算法屬於隨機類演算法，需要多次運算，結果的可靠性差，不能穩定的得到解。
大致這些，lz可查閱相關專業書籍！

『貳』 遺傳演算法中中約束條件怎麼處理呢

只要你的遺傳運算元選對，進化過程中上下限約束就能滿足；
若是其它連續性變數的線性或非線性約束，可採用罰函數法將這些約束加入目標函數（適應度函數）中，這樣就能保證最優解在約束范圍內。
若是存在0-1的變數（主要是在規劃中，某個東西建或不建），則進化過程就會產生較多不可行解，採用直接丟棄的方法固然可以，但是當不可行解多時，這種方法就使遺傳演算法失去它的優勢；所以就有學者提出了不可行解的修復策略，將不可行解通過某種方法轉換為可行解。那麼不同的優化問題解的修復策略都可能會不同，如果你設計了一個針對你所做問題的修復策略，那也就成了你的創新點之一了。
當然也有設計進化策略的研究，但這方面比較修復策略而言有難度。