改进的万有引力搜索算法在函数优化中的应用

？万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题，提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略，显著地提高了万有引力搜索算法中粒子的探索能力与开发能力，获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验，结果表明：与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比，改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。