MATLAB混合优化算法：引力搜索-粒子群函数优化系统

资 源 简 介

本MATLAB项目实现了一种混合引力搜索算法（GSA）与粒子群算法（PSO）的优化系统，有效结合全局探索与局部收敛能力，适用于高维复杂函数优化。支持自定义目标函数、参数配置及优化过程可视化，提升求解效率与精度。

详 情 说 明

基于引力搜索-粒子群混合算法的函数优化系统

项目介绍

本项目实现了一种高效的混合优化算法，核心思想是整合引力搜索算法（GSA）强大的全局探索能力与粒子群算法（PSO）优异的局部收敛特性。该混合策略通过动态调整权重机制，自适应地平衡全局搜索和局部开发过程，特别适用于处理高维、非线性、多峰值的复杂函数优化问题。系统提供完整的参数配置接口与结果可视化功能，可广泛应用于工程设计优化、机器学习超参数调优、金融建模等多个领域的优化场景。

功能特性

• 混合优化引擎：融合GSA与PSO算法优势，采用动态权重调整策略，提升收敛精度与速度。
• 灵活的函数接口：支持用户自定义目标函数（数学表达式或函数句柄），兼容多种常见测试函数。
• 全参数可配置：提供丰富的算法控制参数设置，包括搜索空间维度、变量边界、种群规模、GSA引力常数、PSO惯性权重、混合系数及停止条件等。
• 过程可视化：实时绘制每次迭代的收敛曲线，可选生成种群搜索轨迹动画，直观展示优化进程。
• 性能分析报告：自动计算收敛速度、稳定性等量化指标，辅助算法性能评估。

使用方法

1. 定义目标函数：在指定位置输入待优化的目标函数表达式或函数句柄。
2. 设置优化参数：配置搜索空间维度、变量上下限、种群大小等基本参数。
3. 调整算法参数：根据问题特性设定GSA、PSO相关参数及混合策略权重。
4. 指定停止条件：设定最大迭代次数或收敛精度阈值作为算法终止条件。
5. 运行与监控：启动优化过程，系统将实时显示收敛状态并生成优化结果。
6. 结果分析：获取最优解位置与适应度值，查看收敛曲线与性能分析报告。

系统要求

• 操作系统: Windows / Linux / macOS
• 运行环境: MATLAB R2018a 或更高版本
• 必要工具箱: 无需额外工具箱（基础MATLAB环境即可运行）

文件说明

主程序文件承载了系统的核心调度与控制功能，主要包括：算法参数的统一读取与校验、优化环境的初始化设置、混合算法迭代流程的主循环控制、GSA与PSO计算模块的协同执行、动态权重因子的自适应调整、收敛条件的实时判断、优化结果的可视化绘制以及性能指标数据的输出生成。