遗传算法优化的等式约束问题 如果只是x1+x2=c这种简单的约束，只把x1作为自由变量，解出x1后x2=c-x1对于复杂的等式约束没有什么太好的办法 只能做到尽可能满足
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。
遗传算法能否解决同时包含整数约束和等式约束的优化问题？ 针对遗传算法较难处理含等式约知束的优化问题，在设计变量独立性分析的基础上对等式约束采用了降维处理方法，不仅道使等式约束在优化时始终严格满足，而且经降维处理后优化问题仅包含不等式版约束；然后，借鉴多目标优化思想，提出了从个体违反约束程度和违反次数2方面同时对种群进行排序，使算法对个体的排序和选择更符合实际.实例验证了该权算法的有效性和可行性.
