【智能算法】引力搜索算法（GSA)原理及实现

---

1.背景

2009年，Esmat Rashedi等人受到万有引力定律启发，提出了引力搜索算法(Gravitational Search Algorithm，GSA)。

2.算法原理

2.1算法思想

GSA基于万有引力定律：任何物体之间都有相互吸引力，这个力的大小与各个物体的质量成正比例，而与它们之间的距离的平方成反比。

2.2算法过程

万有引力定律：
万有引力定律可以表述为：
$$F=G\frac{M_1{M}_2}{R^2}$$
其中，$G$是引力常数。由于重力减弱的影响，引力常数的实际值取决于宇宙的实际年龄：
$$G(t)=G(t_0)\times {\left(\frac{t_0}{t}\right)}^{\beta },\beta <1$$
在理论物理中，存在三种质量：

• 主动引力质量$M_a$：决定物体产生的引力场的强弱
• 被动引力质量$M_p$：决定物体在处于其他引力场时受到的引力大小
• 惯性质量$M_i$：用于度量施加外力时运动状态不易改变的程度

因此，质量$i$受到质量$j$作用的引力$F_{ij}$，与质量$j$的主动引力质量和质量$i$的被动引力质量的乘积成正比，与它们之间的距离的平方成反比， 牛顿定律可以重新表述为：
$$\begin{array}{rl}{F}_{ij}& =G\frac{M_{aj}\times M_{pi}}{R^2}\\ a_i& =\frac{F_{ij}}{M_{ii}}\end{array}$$
加速度，速度和位置更新:
在$t$时刻，质量$i$受到质量$j$的力为：
$$F_{ij}^d(t)=G(t)\frac{M_{pi}(t)\times M_{aj}(t)}{R_{ij}(t)+\epsilon }(x_j^d(t)-x_i^d(t))$$
其中，距离$R_{ij}$为欧式距离。
GSA中考虑随机特征，这里将质量$i$在维度$d$上受到的力随机加权：
$$F_i^d(t)=\sum _{j=1,j\ne i}^{N}ran{d}_j{F}_{ij}^d(t)$$
由牛顿第二定律，加速度有：
$$a_i^d(t)=\frac{F_i^d(t)}{M_{ii}(t)}$$
因此，速度和位置更新为：
$$\begin{array}{rl}{\nu }_i^d(t+1)& =ran{d}_i\times {\nu }_i^d(t)+a_i^d(t)\\ x_i^d(t+1)& =x_i^d(t)+{\nu }_i^d(t+1)\end{array}$$
流程图：

3.代码实现

代码传送门

4.参考文献

[1] Rashedi E, Nezamabadi-Pour H, Saryazdi S. GSA: a gravitational search algorithm[J]. Information sciences, 2009, 179(13): 2232-2248.