传统方法的实现如牛顿法、梯度法等，其基本思想就是将动态的转化为静态的，将多目标转化为单目标，由点及面的搜索思想。
传统方法存在如下问题：
(1) 传统的基于梯度的优化方法(如可行方向法、约束变尺度法)对约束条件的处理往往是先寻找一个可行且下降的方向，然后沿此方向进行线性搜索，并重复上述步骤以得到问题的最优解，然而该最优解往往是局部最优的。
(2) 对于许多实际的约束优化问题，一方面，由于目标函数往往形式复杂，不仅问题的维数比较高，而且优化曲面中存在多个极小点，这使得传统的基于梯度的算法难以奏效。另一方面，实际问题中目标函数往往是不连续或不可微，有些问题目标函数甚至没有解析表达式，传统算法难以解决这类问题。
(3) 由于约束的存在，使得决策变量的可行搜索空间不规则(如非凸，不连通等)，从而增加了搜索到最优解的难度，有时甚至很难找到可行解。
