基于引力搜索算法的函数优化分析

资 源 简 介

万有引力搜索算法（Gravitational Search Algorithm，GSA）是由伊朗克曼大学的Esmat Rashedi等人于2009年所提出的一种新的启发式优化算法，其源于对物理学中的万有引力进行模拟产生的群体智能优化算法。万有引力搜索算法GSA的原理是通过将搜索粒子看作一组在空间运行的物体，物体间通过万有引力相互作用吸引，物体的运行遵循动力学的规律。适度值较大的粒子其惯性质量越大，因此万有引力会促使物体们朝着质量最大的物体移动，从而逐渐逼近求出优化问题的最优解。万有引力搜索算法GSA具有较

详 情 说 明

在文中提到的万有引力搜索算法（Gravitational Search Algorithm，简称GSA），是伊朗克曼大学的Esmat Rashedi等人于2009年提出的一种新型启发式优化算法。它的灵感源自于对物理学中的万有引力进行模拟，以产生群体智能优化算法。万有引力搜索算法GSA的原理是将搜索粒子视为一组在空间中运动的物体，并通过万有引力相互作用来吸引彼此。这些物体的运动遵循动力学规律。具有较大适应度值的粒子具有较大的惯性质量，因此万有引力会促使物体们朝着质量最大的物体移动，从而逐渐接近求解优化问题的最优解。万有引力搜索算法GSA以其强大的全局搜索能力和快速的收敛速度而闻名。