【摘要】：实际应用中的优化问题一般含有一定的约束条件，它们的描述形式各种各样，目前尚无一般化方法，只能针对具体应用问题及约束条件的特征，再考虑GA中遗传算子的运行能力，选用不同的处理方法。在构造GA时，处理约束条件的常用方法主要有三种:搜索空间限定法、可行解变换法和惩罚函数法。
实际应用中的优化问题一般含有一定的约束条件，它们的描述形式各种各样，目前尚无一般化方法，只能针对具体应用问题及约束条件的特征，再考虑GA中遗传算子的运行能力，选用不同的处理方法。在构造GA时，处理约束条件的常用方法主要有三种:搜索空间限定法、可行解变换法和惩罚函数法。
1.搜索空间限定法
搜索空间限定法的基本思想是:对GA的搜索空间的大小加以限制，使得搜索空间中表示一个个体的点与解空间中表示一个可行解的点有一一对应的关系。
具体操作方法如下:
(1)用编码方法保证总是能够产生出在解空间中有对应可行解的染色体，这个实现要求我们设计出一种比较好的个体编码方案。
(2)用程序保证直到产生出解空间中有对应可行解的染色体之前，一直进行交叉运算和变异运算。(www.xing528.com)
2.可行解变换法
可行解变换法的基本思想是:在个体基因型到个体表现型的变换中，增加使其满足约束条件的处理过程。即寻找出一种个体基因型和个体表现型之间的多对一的变换关系，使进化过程中所产生的个体总能够通过这个变换而转化成解空间中满足约束条件的一个可行解。
3.惩罚函数法
惩罚函数法的基本思想是:对于在解空间中无对应可行解的个体，计算其适应度时，除以一个惩罚函数，从而降低该个体的适应度，使该个体被遗传到下一代群体中的机会减少，即用下式对个体的适应度进行调整:
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
