全局优化算法局限性：高维问题、局部最优、运行时间长等

全局优化算法在解决复杂优化问题时存在一些局限性，包括以下几个方面：

高维问题困难：全局优化算法在高维问题上往往表现不佳。随着问题维度的增加，问题的搜索空间呈指数增长，使得全局优化算法很难找到最优解。
局部最优解问题：全局优化算法容易陷入局部最优解中，而无法找到全局最优解。这是因为全局优化算法通常基于局部搜索策略，只能在某个局部区域内搜索，无法全局探索搜索空间。
运行时间长：全局优化算法的运行时间通常比较长，尤其是在复杂问题中。这是因为全局优化算法需要对整个搜索空间进行搜索，需要耗费大量的计算资源和时间。
可能存在多个最优解：某些问题存在多个最优解，全局优化算法可能只能找到其中一个最优解，而无法找到所有最优解。
对初始解的依赖性：全局优化算法对初始解的选择非常敏感，不同的初始解可能导致不同的最优解。这使得全局优化算法的结果不稳定，需要进行多次运行并选择最好的结果。

综上所述，全局优化算法在解决复杂优化问题时存在一些局限性，需要根据具体问题的特点选择合适的算法，并结合其他方法来克服这些局限性。