遗传算法非线性约束

‘壹’ 遗传算法的优缺点

1、早熟。这是最大的缺点，即算法对新空间的探索能力是有限的，也容易收敛到局部最优解。
2、大量计算。涉及到大量个体的计算，当问题复杂时，计算时间是个问题。
3、处理规模小。目前对于维数较高的问题，还是很难处理和优化的。
4、难于处理非线性约束。对非线性约束的处理，大部分算法都是添加惩罚因子，这是一笔不小的开支。
5、稳定性差。因为算法属于随机类算法，需要多次运算，结果的可靠性差，不能稳定的得到解。
大致这些，lz可查阅相关专业书籍！

‘贰’ 遗传算法中中约束条件怎么处理呢

只要你的遗传算子选对，进化过程中上下限约束就能满足；
若是其它连续性变量的线性或非线性约束，可采用罚函数法将这些约束加入目标函数（适应度函数）中，这样就能保证最优解在约束范围内。
若是存在0-1的变量（主要是在规划中，某个东西建或不建），则进化过程就会产生较多不可行解，采用直接丢弃的方法固然可以，但是当不可行解多时，这种方法就使遗传算法失去它的优势；所以就有学者提出了不可行解的修复策略，将不可行解通过某种方法转换为可行解。那么不同的优化问题解的修复策略都可能会不同，如果你设计了一个针对你所做问题的修复策略，那也就成了你的创新点之一了。
当然也有设计进化策略的研究，但这方面比较修复策略而言有难度。