优化技术作为一个重要的科学分支，它一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用，如规划、工程设计、医疗应用、图像处理和计算机科学等。约束性优化问题也一直是优化领域关注的主要对象.每类约束优化问题的约束条件个数和约束条件复杂度都不同。根据NFL定理，针对所有的优化问题和约束条件，没有任何算法始终优越于所有其他算法。CMA-ES对于解决非线性或非凸优化问题特别有效，CMA-ES算法主要用来解决无约束优化问题。CMA-ES主要的约束处理方法是死亡罚函数法作为约束处理方法。目前，我们研究了对处理无约束优化问题的CMA-ES算法性能。但是，还没有对约束优化问题进行大量的研究工作。由此，我们研究了CMA-ES的三种不同的约束处理方法，即可行解的最优，基于对比的ε水平和基于方法的惩罚。在本文中，我们提出一个基于种群代数和可行比的动态的惩罚函数法。我们通过用以上的三种方法来解决标准CEC2010基准问题就它们的效率进行了比较。根据结果，对于大多数优化问题，我们发现基于动态的惩罚函数法和可行解的最优比ε水平比较法的收敛速度更快。而且，我们也发现运用以上三种方法的CMA-ES这些算法和当前最优算法都能获得优化问题的最优解。对同一类优化问题，我们也比较了基于以上的三种方法的当前最优算法的性能。运用以上三种方法的CMA-ES在一些优化问题上表现出性能更好以及在大部分优化问题上都能找到最优解。