引力搜索算法[附python实现代码]
在求解具有高维搜索空间的优化问题时，由于搜索空间随问题大小呈指数增长，经典优化算法无法提供合适的解，因此使用精确技术（如穷举搜索）来解决这些问题是不可能的实用。完毕在过去的几十年里对受自然现象行为启发的算法越来越感兴趣。许多研究者表明，这些算法非常适合于解决复杂的计算问题，如目标函数的优化、模式识别、控制目标、图像处理、滤波器建模等。到目前为止，研究者们已经采用了各种启发式方法来解决这些问题例如遗传算法、模拟退火算法、蚁群搜索算法、粒子群优化算法等。这些算法在许多不同领域被研究人员逐步分析或支持。
这些算法解决了不同的优化问题。然而，对于所有的优化问题，目前还没有一个具体的算法来达到最优解。有些算法对某些特定问题给出了比其他算法更好的解决方案。因此，寻找新的启发式优化算法是一个有待解决的问题[35]，本文提出了一种新的基于引力定律的优化算法，即引力搜索算法（GSA）。这个算法基于牛顿引力：“宇宙中的每一个粒子都以与其质量的乘积成正比、与它们之间距离的平方成反比的力吸引其他所有粒子”。