引力搜索算法 matlab

引力搜索算法（Gravitational Search Algorithm，GSA）是一种优化算法，其基本思想是将问题看作是一些物体的引力场，物体之间的相互作用力和引力会影响它们的位置。引力搜索算法通过模拟这些物体的运动过程来寻找问题的最优解。

以下是一个简单的使用Matlab实现引力搜索算法的示例代码：

function [bestSolution, bestFitness] = GSA(fitnessFunction, n, lb, ub, maxIter)
    % 参数说明：
    % fitnessFunction：适应度函数
    % n：种群大小
    % lb：变量下界
    % ub：变量上界
    % maxIter：最大迭代次数

    % 初始化种群的位置和速度
    X = rand(n, numel(lb)) .* (ub - lb) + lb;
    V = zeros(n, numel(lb));

    % 初始化最优解和最优适应度
    bestSolution = X(1, :);
    bestFitness = fitnessFunction(bestSolution);

    % 开始迭代
    for iter = 1:maxIter
        % 计算每个个体的适应度
        fitness = arrayfun(fitnessFunction, X);

        % 找到最优解
        [minFitness, index] = min(fitness);
        if minFitness < bestFitness
            bestFitness = minFitness;
            bestSolution = X(index, :);
        end

        % 计算每个个体之间的距离和引力
        distance = pdist2(X, X);
        G = 6.674 * 10^-11; % 引力常数
        F = G .* bsxfun(@times, bsxfun(@times, distance, fitness), -X + X.');

        % 更新速度和位置
        V = V + F;
        X = X + V;

        % 边界处理
        X(X < lb) = lb(X < lb);
        X(X > ub) = ub(X > ub);
    end
end

其中，fitnessFunction是适应度函数，n是种群大小，lb和ub分别是变量的下界和上界，maxIter是最大迭代次数。函数的输出是最优解和最优适应度。您可以根据需要修改适应度函数和其他参数来使用该算法解决不同的问题。