遺傳算法中中約束條件怎么處理？只要選擇正確的遺傳算子，就可以滿足進(jìn)化過程中的上下限約束；如果其他連續(xù)變量存在線性或非線性約束，可以用罰函數(shù)法將這些約束加入到目標(biāo)函數(shù)（適應(yīng)度函數(shù)）中，從而保證最優(yōu)解在約

遺傳算法中中約束條件怎么處理？

只要選擇正確的遺傳算子，就可以滿足進(jìn)化過程中的上下限約束；

如果其他連續(xù)變量存在線性或非線性約束，可以用罰函數(shù)法將這些約束加入到目標(biāo)函數(shù)（適應(yīng)度函數(shù)）中，從而保證最優(yōu)解在約束范圍內(nèi)。

如果存在0-1個變量（主要是在規(guī)劃中，無論是否構(gòu)建了某些東西），那么演化過程將產(chǎn)生更多不可行的解決方案。直接拋棄法是可以的，但是當(dāng)存在許多不可行解時，這種方法會使遺傳算法失去優(yōu)勢。因此，有學(xué)者提出了不可行解的修復(fù)策略，并通過某種方法將不可行解轉(zhuǎn)移到其他地方，使解是可行的。如果你為你的問題設(shè)計一個修復(fù)策略，它將成為你的創(chuàng)新之一。

當(dāng)然，也有關(guān)于設(shè)計進(jìn)化策略的研究，但是它比修復(fù)策略更困難。

如何在遺傳算法中設(shè)置變量約束條件？

1. 一般有兩種方法：一種是在生成初始種群時只生成滿足約束的個體；另一種是隨機(jī)生成個體，在后續(xù)操作中判斷個體是否滿足約束。

2. 這是由遺傳算法的特點(diǎn)決定的；遺傳算法是一種隨機(jī)搜索算法，每次由于種群規(guī)模的不同，參數(shù)的不同而得到不同的結(jié)果。即使參數(shù)相同，每次操作得到的近似最優(yōu)解也不一定相同。一般以n次運(yùn)算的最佳結(jié)果作為最終最優(yōu)解。當(dāng)然，如果約束設(shè)置不當(dāng)，或者參數(shù)設(shè)置不當(dāng)，那么每次操作的近似最優(yōu)解相差太大，質(zhì)量也不高。我們應(yīng)該注意這些。

3. 我用matlab編寫遺傳算法來解決這個問題，因為它的工具箱是相對固定的，只能解決簡單的、典型的問題。但是當(dāng)你的問題稍微復(fù)雜一點(diǎn)時，工具箱就不起作用了。