周少武，陈 微，唐东成，张红强，王 汐，周 游

(1.湖南科技大学信息与电气工程学院，湖南 湘潭 411201;2.湖南大学电气与信息工程学院，长沙 410082)

1 概述

在工程实践中，许多问题都涉及优化，如成本最低问题、距离最短问题、电力系统中无功补偿配置问题等。而启发式搜索算法就是解决优化问题的一类方法，它不同于经典的数学算法。这些启发式搜索算法是受大自然现象和运动规律启发得到的，如萤火虫算法［1］、人工鱼群算法［2］、粒子群算法［3］等。这些算法已被事实证明，它们能解决复杂的非线性的优化计算问题，因此，在各个领域得到广泛的应用。值得指出的是，对于所有函数集合，并不存在万能的最佳优化算法［4］，某种算法可能解决某些函数极值的求解，因此，启发式算法的研究是一个开放性的问题。

引力搜索算法(Gravitational Search Algorithm，GSA)［5］是由伊朗的克曼大学教授Esmat Rashedi 等人于2009 年提出的。GSA 算法思想来源于牛顿万有引力定律，它通过群体中各粒子之间的万有引力相互作用产生的群体智能指导优化搜索［6］。它从可行域中随机地产生一组初始解，且把它们看成是带有一定质量的粒子，这个质量决定了粒子对种群中其他粒子吸引的强弱——质量越大，吸引能力就越强;反之，质量越小，吸引力越小，之后求出合力、加速度，再对粒子进行速度、位置更新。

引力搜索算法是一个新兴的算法，在文献［7］中证明GSA 的收敛性明显优于粒子群算法［8］和遗传算法等其他智能算法，同时引力搜索概念简单、容易实现，而且需要调整的参数少。……