以引力搜索算法（Gravitational Search Algorithm，GSA）为例，测试函数为23个经典单目标测试函数，能直接运行，可二次开发。资源包括：23个经典单目标测试函数+GSA算法。

【优化求解】基于引力搜索算法GSA求解最优目标matlab源码.zip

引力搜索算法在2009年被首次提出，是一种基于万有引力定律和牛顿第二定律的种群优化算法。该算法通过种群的粒子位置移动来寻找最优解，即随着算法的循环，粒子靠它们之间的万有引力在搜索空间内不断运动，当粒子移动到最优位置时，最优解便找到了。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

这是用于最小化 Rosenbrock 基准函数的“Chaotic Kbest Gravitational Search Algorithm (CKGSA)”Matlab 代码。此代码用于论文：“H. Mittal,R. Pal,A. Kulhari,and M. Saraswat, “Chaotic Kbest gravitational search algorithm (CKGSA)”, In Contemporary Computing (IC3), 2016 Ninth International Conference on, pp . 1-6，IEEE”。

引力搜索算法的改进.doc

针对烟花算法(FA) 寻优过程中粒子间信息交流少、对最优点位置不在原点和原点附近的目标函数求解能力差的缺点, 提出带有引力搜索算子的烟花算法(FAGSO). 算子利用粒子间相互引力作用对粒子维度信息进行改善, 以提高算法的优化性能. 6 个标准和增加位置偏移测试函数的仿真结果表明, FAGSO相比于FA、粒子群算法和引力搜索算法, 在寻优速度和寻优精度方面有更好的优化性能.

提出了一种新的混合优化算法，称为“（HSSOGSA）”，结合了“引力 搜索算法（GSA）”和“*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，以综合两种算法的强度。 论文：Shehadeh, Hisham A. “用于全局优化的混合*子群优化和引力搜索算法 (HSSOGSA)”。神经计算和应用，Springer Science and Business Media LLC，2021 年 3 月，doi:10.1007/s00521-021-05880-4。

结合粒子群优化算法（PSO）和引力搜索算法（GSA），提出了一种新的基于种群的混合算法（PSOGSA）。主要思想是将 PSO 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。一些基准测试函数用于将混合算法与标准 PSO 和 GSA 算法进行比较，以得出最佳解决方案。 论文: A New Hybrid PSOGSA Algorithm for Function Optimization, in IEEE International Conference on Computer and Information Application (ICCIA 2010), 中国, 2010, pp.374-377, DOI: http://dx.doi.org/10.1109/ICCIA .2010.6141614

二元混合粒子群优化和引力搜索算法（BPSOGSA）.zip 本次提交包括混合 PSOGSA 的二进制版本，称为 BPSOGSA，用于解决二进制优化问题。 代码用于以下论文： S. Mirjalili, G.-G。Wang, LS Coelho，使用混合粒子群优化和引力搜索算法的二元优化神经计算和应用，出版中，2014，Springer，DOI：http ://dx.doi.org/10.1007/s00521-014-1629-6