优缺点比较：

传统优化算法优点：1：利用了解空间的特性，如可微等。

                               2：理论较为完善，计算量小。

                               3：收敛速度快。

                               4：具有确定的终止准则。

传统优化算法缺点：1：仅能求出优化问题的局部最优解。

                               2：求解的结果强烈依赖于初始值。

遗传算法的优点：1：能够求出优化问题的全局最优解。

                           2：优化结果与初始条件无关。

                           3：算法独立于求解域。

                           4：具有较强的鲁棒性。

                           5：适合于求解复杂的优化问题。

                           6：应用较为广泛。

遗传算法的缺点：1：收敛速度慢。

                           2：局部搜索能力差。

                           3：控制变量较多。

                           4：无确定的终止准则。

特点的比较：

遗传算法：1：以编码的方式工作，可以并行搜索多个峰值

                 2：以编码方式工作，不对参数本身进行操作，具有良好的可操作性

                 3：用概率性传递规则代替确定性规则，具有全局寻优特点

                 4：只使用目标函数和相应的适应度函数，不需要其他的辅助信息

传统优化算法：1：需要不同形式的辅助信息，如可微、连续等

                        2：有固定的结构和参数，计算复杂度和收敛性可做理论分析 

                        3：有明确的条件描述，清晰的结构信息