问个遗传算法中处理约束的问题！

hitywl

我不是使用软件的 ，是自己做程序开发的。能否帮我解答一下问题呢？
在遗传算法中非线性约束问题的处理，现在一般采用什么方法？比较新的是什么？那种的处理方式好一些？
谢谢！

linweifeng

<遗传算法中处理约束 >
主要来自玄光男，和程润伟的两本书
==============================

拒绝方法：抛弃进化过程中产生的所有不可行的解。简单，效率低。

修补方法：获得不可行解后经过修补变成可行解。 对于组合优化问题，创建修补过程相对较容易。

罚函数方法：遗传算法中最常用的方法，通过对不可行解的惩罚来将约束问题变成无约束问题，任何对约束的违反都要在目标函数中添加惩罚项。思路从传统优化中借鉴而来，但应用上仍然有区别。遗传算法中，罚函数法用于在每一代中维持一定数量的不可行解，从而使遗传搜索从可行区域和不可行区域两个方向搜索最优解，通常并不拒绝每代中的不可行解，原因在于其中一些个体可能提供关于最优解的更有用的信息。我们的关注点在于如何确定惩罚项，从而在信息保留（保持一些不可行解）与选择压力（拒绝一些不可行解）之间维持平衡，并要注意避免惩罚不够或者过度惩罚。解决问题以前，对于可行区域和不可行区域这两个子空间没有任何前提假设。应用罚函数法的关键在于如何设计罚函数f(x)，这时目标函数可以采用“加”的形式，也可以采用“乘”的形式。

ghx2004

对于惩罚函数法，建议用准确不可微罚函数！