常规优化技术的主要缺点是它们从点到点使用本地信息来决定下一步探索哪一点。

这可能导致优化过程在假最优的过早收敛。

此外，许多传统的搜索技术需要对要分析的问题的特定知识，例如需要导数信息的基于梯度的技术。传统优化技术的另一个缺点是对设计变量进行良好初步猜测的要求。

采用基于进化的技术来克服常规优化方法的缺点[2,8-10]。 GA及其变体是进化技术的一部分，已广泛应用于模块化机器人设计[11-14]，反向和正向运动学[9,15]以及最优运动和路径规划[10,16]。 DEIS是最近开发的进化技术[17,18]。 DEhas已成功应用于数字滤波和通信控制的最佳设计[17]，并根据Web [19]的信息，涉及动态系统，控制器设计，传热分析和设计等多个领域。我们所知道的技术从未被调查或应用于串行连杆机械手的最佳设计。文献综述

本文介绍了基于任务规范的串行链路机器人操纵器优化设计的三种进化技术的应用与比较。目标函数在考虑运动学，动态和结构条件的同时，对受限于各种约束的限定运动所需的转矩最小化。运动学和动力学分析是基于机器人概念得出的，结构分析是基于有限元法进行的。检查的设计变量是链路参数和链路截面特性。

开发环境用于优化SCARA和铰接式3-DOF PUMA型操纵器的设计变量。