引力搜索算法与混沌相结合的无约束数值优化

引力搜索算法(GSA)是针对自然优化问题而开发的最新自然启发式算法之一。 它是基于牛顿引力设计的,在将其应用于优化问题时显示出出色的搜索能力。 尽管如此,GSA仍然存在一些缺点,例如收敛速度慢和局部最优陷阱问题。 为了减轻这些固有的缺陷并增强GSA的性能,通过两种方法将具有遍历性和随机性的混沌纳入了GSA。 一种方法是使用混沌来生成混沌序列以替换随机序列,而另一种方法是使用混沌来充当局部搜索方法。 由此产生的混合算法,称为混沌引力搜索算法(CGSA1和CGSA2),因此合理地兼具GSA和混沌的优势。 从文献中选择了八个广泛使用的基准数值优化问题作为测试服。 实验结果表明,CGSA1和CGSA2的性能均优于GSA和其他五个混沌粒子群优化算法。