遗传算法优化问题中，有关线性约束（非线性约束）怎么在程序中实现？ 优化问题中解决约束一般采用罚函数的方法，这样的论文很多，找一篇看看就知道怎么了。大致意思是，要是某个个体离约束很近，或者就在约束上（满足某个约束条件），那算法就“惩罚”他一下，惩罚的措施多样，可以让这个个体参数全部重置，也可以让这个个体等于某个极限值。其他的约束方法大同小异。
带约束的优化问题 遗传算法怎么编码 建立约束条件函数，把非线性的等式约束条件添加加在[c，ceq]中。如function[c，ceq]=NonCon(x)c=x(1)^2+x(2)^2-9；ceq=[]；然后，再用ga（）函数调用，如[x，fval，exitflag]=ga(o@FitFun，nvars，A，b，Aeq，beq，lb，ub，NonCon)
懂罚函数的请进，有约束优化遗传算法的目标函数问题 很显然，f 才是目标函数值，而F只是适应度函数值，用来评价个体优劣的。加上罚函数，仅仅是为了惩罚那些不满足约束条件的个体，以此来解决约束优化问题。但真正的目标函数是f，目的是f的值越小越好。
