遗传算法的特点遗传算法有那些缺点？

鄂式破碎机遗传算法有哪些优点

到目前为止，大多数鄂式破碎机设计仍采用传统的类比法或则根据经验作图，这种算法既不精确又费时费力，而且难以获得各项指标都满意的设计方案，而鄂式破碎机的遗传算法是一种新型优化方法，对复杂的优化设计都很有办法，红星机器对鄂式破碎机遗传算法的优点总结了以下两点。

第一、遗传算法同时搜索解空间中的一群点寻优，而不是像传统优化算法那样搜索单个点寻优，因而能够同时获得许多峰值，大大增强了全局搜索能力，避免陷入局部最优解 。

第二、遗传算法对目标函数和约束函数的性态要求，远不如传统优化算法那样苛刻，既不要求目标函数和约束函数连续、可微，也无需计算梯度或Hessian矩阵，遗传算法只需计算适应度就可完成迭代寻优过程。

参考来源：/tiding.aspx?id=1

遗传算法、数值算法、爬山算法、模拟退火 各自的优缺点

遗传算法：其优点是能很好地处理约束，跳出局部最优，最终得到全局最优解。

缺点是收敛速度慢，局部搜索能力弱，运行时间长，容易受到参数的影响。

模拟退火：具有局部搜索能力强、运行时间短的优点。

缺点是全局搜索能力差，容易受到参数的影响。

爬山算法：显然爬山算法简单、效率高，但在处理多约束大规模问题时，往往不能得到较好的解决方案。

数值算法：这个数值算法的含义太宽泛了，指的是哪种数值算法，阵列算法与爬山算法一样，各有优缺点。

扩展资料： 注意事项： 遗传算法的机制比较复杂，在Matlab中已经用工具箱中的命令进行了打包，通过调用可以非常方便的使用遗传算法。

函数GA：［x，Fval，reason］＝GA（＠fitnessfun，Nvars，options）x为最优解，Fval为最优值，＠Fitnessness为目标函数，Nvars为自变量个数，options为其他属性设置。

系统的默认值是最小值，所以函数文档中应该加上一个减号。

要设置选项，您需要以下函数：options＝GaOptimset（＇PropertyName1＇，＇PropertyValue1＇，＇PropertyName2＇，＇PropertyName3＇，＇PropertyValue3＇…）通过该函数，可以确定一些遗传算法的参数。

遗传算法有哪些特点？

经现代医学研究表明，2113DNA是现存生命最重要的遗传物质。

而遗传则是指经由基因的传递，使后代获得亲代的特征。

遗传学正是研究遗传这一现象的一5261门学科，除遗传因素外，还有环境，以及环境与遗传的交互作用也是决定生物4102特征的因素。

遗传算法是一种可用于复杂系统优化的一种搜索算法，与1653传统的算法相比，具有以下4个特点：第一，它是以决策变量的编码作为运算对象；第二，遗传算法直接版以适应度作为搜索信息，无需导数等其他辅助信息；第三，遗传算法使用多个点的搜索信息，具权有隐含并行性；最后，它没有使用非确定性规则，而是采用了概率搜索技术。

遗传算法的优缺点

遗传算法与传统的优化方法（枚举，启发式等）相比较，以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。

在现在的工作中，遗传算法（1972年提出）已经不能很好的解决大规模计算量问题，它很容易陷入“早熟”。

常用混合遗传算法，合作型协同进化算法等来替代，这些算法都是GA的衍生算法。

遗传算法有那些缺点？

1、早熟。

这是最大的缺点，即算法对新空间的探索能力是有限的，也容易收敛到局部最优解。

2、大量计算。

涉及到大量个体的计算，当问题复杂时，计算时间是个问题。

3、处理规模小。

目前对于维数较高的问题，还是很难处理和优化的。

4、难于处理非线性约束。

对非线性约束的处理，大部分算法都是添加惩罚因子，这是一笔不小的开支。

5、稳定性差。

因为算法属于随机类算法，需要多次运算，结果的可靠性差，不能稳定的得到解。

大致这些，lz可查阅相关专业书籍！