完整代码，可直接运行

万有引力搜索算法(gravitational search algorithm,GSA)相比于传统的优化算法具有收敛速度快、开拓性能强等特点,但GSA易陷入早熟收敛和局部最优,搜索能力较弱.为此,提出一种基于改进的Tent混沌万有引力搜索算法(gravitational search algorithm based on improved tent chaos,ITC-GSA).首先,改进Tent混沌映射来初始化种群,利用Tent混沌序列随机性、遍历性和规律性的特性使得初始种群随机性和遍历性在可行域内,具有加强算法的全局搜索能力;其次,引入引力常数G的动态调整策略提高算法的收敛速度和收敛精度;再次,设计成熟度指标判断种群成熟度,并使用Tent混沌搜索有效抑制算法早熟收敛,帮助种群跳出局部最优;最后,对10个基准函数进行仿真实验,结果表明所提算法能够有效克服GSA易陷入早熟收敛和局部最优的缺点,提高算法的收敛速度和寻优精度.

引力搜索算法 (GSA) 是一种基于引力和质量相互作用定律的优化算法。该算法基于牛顿引力：“宇宙中的每个粒子都以与它们的乘积成正比的力吸引其他每个粒子。它们的质量与它们之间距离的平方成反比”。

一种新的混合优化算法，称为“（HSSOGSA）”，结合“重力” 提出了搜索算法（GSA）''和''精子群优化（SSO）''。 所提出算法背后的基本概念和思想是将 SSO 中的开发能力与 GSA 中的探索能力相结合，以综合两种算法的优势。 论文：Shehadeh, Hisham A.“用于全局优化的混合精子群优化和引力搜索算法 (HSSOGSA)。” 神经计算与应用，Springer Science and Business Media LLC，2021 年 3 月，doi：10.1007/s00521-021-05880-4。

这项工作将十张混沌图嵌入到最近提出的基于人口的元启发式算法称为引力搜索算法 (GSA) 的引力常数 (G) 中。 此外，还提出了一种自适应归一化方法，以平滑地从探索阶段过渡到开发阶段。 作为案例研究，十二个偏移和有偏差的基准函数在探索和利用方面评估了所提出的基于混沌的 GSA 算法的性能。 文章链接： http : //www.sciencedirect.com/science/article/pii/S1568494617300121 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ****************************************************** ****************************************************** *****************************

引力搜索算法 引力搜索算法（GSA）的Python代码，用于最小化基准函数。 参考：Rashedi，Esmat，Hossein Nezamabadi-Pour和Saeid Saryazdi。 “ GSA：引力搜索算法。” 信息科学179.13（2009）：2232-2248。 所使用的代码模板类似于在链接上提供的代码： : 和mathworks上的GSA的matlab版本。 兼容代码：-Python：2. *或3. * 此代码可用于非商业目的。 如果您在工作中使用它，将不胜感激。

【优化求解】基于混沌引力搜索算法求解机械工程设计问题matlab源码.md

引力搜索算法是近年提出的一种颇具潜力的全局优化算法，已经成功应用到了各种工程实践中，然而它在求解复杂工程优化问题时容易出现早熟收敛问题。为了在一定程度上避免早熟收敛现象，提出一种应用精英反向学习策略的引力搜索算法（EOGSA）。在演化进程中，对当前种群中的每个个体分别执行精英反向学习策略，生成一个精英反向种群，并将生成的精英反向种群与当前种群同时进行竞争，选择出下一代种群。在一系列经典函数优化测试问题上的对比实验结果表明，EOGSA算法能够提高传统引力搜索算法的性能，在一定程度上避免早熟收敛的缺点。

分享了引力搜索算法的源代码及原文，亲测有效，欲求更多算法可进入空间查看

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。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。GSA具有较强的全局 搜索能力与收敛速度。随着GSA理论研究的进展，其应用也越来越广泛，逐渐引起 国内外学者的关注。但是GSA与其它全局算法一样，存在易陷入局部解，解精度不 高等问题，有很多待改进之处。