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.

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。

完整的基于matlab编写的万有引力搜索算法代码，打开之后可以直接运行，不需要任何修改，有详细的注释，几乎囊括所有常用的基准函数，也可以自己添加新的函数

用于matlab的万有引力搜索算法 考虑了粒子质量和速度 并对其进行适度函数分析

c++代码，GSA 引力搜索算法详细执行步骤，可直接运行，有标注，是学习的好资料，欢迎下载

新型优化算法，万有引力搜索算法，matlab程序

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。