引力搜索算法的改进.doc

引力搜索算法的改进徐 遥，王士同XU Yao，WANG Shitong江南大学 数字媒体学院，江苏 无锡 214122School of Digital Media，Jiangnan University，Wuxi，Jiangsu 214122，ChinaXU Yao，WANG Shitong.Enhanced 引力搜索算法的改进 徐 遥，王士同 XU Yao，WANG Shitong 江南大学 数字媒体学院，江苏 无锡 214122 School of Digital Media，Jiangnan University，Wuxi，Jiangsu 214122，China XU Yao，WANG Shitong.Enhanced version of gravitational search algorithm：weighted GSA.Computer Engineering and Applications，2011，47（35）：188-192. Abstract：Gravitational Search Algorithm（GSA） based on the law of gravity is proposed recently by Esmat Rashedi.In the paper，weighted GSA is proposed as the enhanced version of GSA.Compared with GSA，the proposed algorithm assigns a weighted value to inertia mass of every agent in each iteration process.The experimental results show the proposed algo- rithm can obtain better solutions for a lot of the benchmarking functions than GSA. Key words：Gravitational Search Algorithm（GSA）；law of gravity；inertia mass；weighted value；benchmarking functions 摘 要：引力搜索算法 GSA（Gravitational Search Algorithm）是最近由 Esmat Rashedi 基于引力定律提出的一个新算法。在引力 搜索算法的基础上对其进行改进，得到了基于权值的引力搜索算法。与引力搜索算法相比，该算法在每一次迭代的过程中，都对 粒子的惯性质量加一个权值。用算法对许多基准函数测试的实验效果表明，该方法可以使得引力搜索算法得到更好的结果。 关键词：引力搜索算法（GSA）；引力定律；惯性质量；权值；基准函数 DOI：10.3778/j.issn.1002-8331.2011.35.053 文章编号：1002-8331（2011）35-0188-05 文献标识码：A 中图分类号：TP301.6 M 在解决高维空间的优化问题时，由于问题复杂性的增加， 搜索空间随着问题大小的增加成指数倍增加，用经典的优化 算法得到一个合适的解仍然不切实际。 过去的 10 年里，许多专家受到自然界各种行为的启发，提 出了许多启发式优化算法以解决复杂的计算问题，例如粒子 群优化算法[1]，遗传算法[2]，模拟退火算法[3]，蚁群算法[4] 等等。 然而以上每一种算法只是在针对特殊的问题比其他的算法的 效果要好，因此探索一种新的启发式算法仍然是有其必要的。 2009 年伊朗的克曼大学教授 Esmat Rashedi 等人提出了 引力搜索算法[5（] Gravitational Search Algorithm），该算法是基 于牛顿万有引力定律：“在宇宙间，每一个粒子由于万有引力 的作用而彼此相互吸引，这力的大小与粒子的质量成正比，与 他们之间的距离成反比”。 在这篇文章中，对引力搜索算法的每个粒子的惯性质量 增加一个权值。通过实验，可以看出，改进后的算法的优化效 果明显好于原来的引力搜索算法。 M F a F M F F M 图 1 引力作用图 平方成反比（但在引力搜索算法中，通过实验表明，用 R 代替 R2 所得到的效果更好）： M M 1 2 F = G （1） R2 其中 F 是代表万有引力的大小，G 代表引力常数，M 和 M 分 1 2 别代表两个粒子的惯性质量，R 为两个粒子之间的欧氏距离。 牛顿第二定律说，当一个力 F 作