覃　飞1,刘　杰

(1.西安科技大学 教务处，西安　710054; 2.西安科技大学 理学院，西安　710054)



一类求解箱式约束优化问题的自适应引力搜索算法

覃飞1,刘杰2

(1.西安科技大学 教务处，西安710054; 2.西安科技大学 理学院，西安710054)

为了改进引力搜索算法求解箱式约束优化问题的性能，提出了一类自适应引力搜索算法，新算法定义了算法停滞系数，当算法陷入停滞时，可以自适应的修改引力参数，帮助算法跳出停滞状态；定义了个体相似系数，当种群陷入局部最优时，通过变异策略改善种群的多样性;数值试验结果表明，新算法有效的平衡了全局开发和局部搜索能力，具有更强的全局寻优能力，适于求解复杂优化问题。

引力搜索算法；全局优化；自适应；函数优化

0　引言

基于某种自然隐喻的仿生算法近年来成为全局优化领域的热门研究方向，这些仿生算法大致可以分为两类：一类是基于自然界的生物现象所设计的算法，如模拟人类社会进化过程的遗传算法(GA)[1]、模仿鸟类觅食的粒子群算法(PSO)[2]和模拟蚁群觅食的蚁群算法(ACO)[3]；一类是模拟自然界的物理现象、定律设计的仿生算法，如模仿宇宙天体运行的中心引力算法(CFO)[4]、模拟电磁场中的吸引与排斥机制的类电磁算法(EM)[5]和模拟万有引力定律的引力搜索算法(GSA)[6]等。由于模仿物理定律所设计的算法，具有运行机制明确，运行结果稳定，受到了众多科研工作者的关注。

引力搜索算法(gravitationalsearchalgorithm,GSA)是RashediE于2009年提出的一种新型自然仿生算法[6]：将个体看作宇宙中的天体，适应度看作其质量，个体的移动服从万有引力定律，最终质量较小的个体围绕着质量较大的个体稳定运行，也就是个体最终收敛于全局最优解。……