股票量化交易软件：种群优化算法引力搜索算法（GSA）

赫兹量化软件带领大家学习什么是引力搜索算法。引力搜索算法（GSA）由 E. Rashedi 提出，专门用于解决优化难题，尤其是那些非线性问题。该算法取其灵感来源于牛顿的万有引力定律，借助自然界中的引力现象来寻找解决方案。

1. 引力与万有引力定律

在 GSA 的框架中，粒子被视作物体，通过其质量来估计性能。引力，质量间相互加速的趋势，是自然界四大基本力之一，与电磁力、弱核力和强核力齐名。

宇宙中的每个粒子都会吸引其他粒子，重力无处不在，虽然它是四大力中最弱的一种，却也是最显著的力量。正是由于引力，人们能够在地球上行走，行星能够绕太阳运行。引力与物体的质量成正比，因而质量较大的物体具有更强的引力。重力的普遍性使其与其他自然力有所区别。艾萨克·牛顿（Isaac Newton）将其称为归纳推理，并将其纳入于 1687 年首次出版的《自然哲学数学原理》一书中。

然而，1686 年牛顿向皇家学会提交未出版书稿时，罗伯特·胡克（Robert Hooke）曾声称牛顿是从他那里获得了平方反比定律的灵感。用现代语言来说，这一定律表明所有“点质量”通过沿任两点连线的作用力互相吸引。

2. 算法概述

本文引入了一种基于牛顿万有引力定律的优化算法。在这一算法中，搜索代理者表现为一组基于牛顿引力和运动定律互动的质量。代理者可以根据质量和它们之间的距离的吸引力交换信息。

2.1 主要概念

代理者被视为物体，其适应性由其质量来衡量。在模拟接近真实物理定律的情况下，所有这些物体都受到相互的引力吸引，这种力推动物体朝向具有更大质量的方向移动。

在经典的 GSA 中，每个粒子的质量分为三类：主动质量、被动质量和惯性质量。为了简化代码和提高效率，这些质量通常被认为是相等的，因此算法中只有一个质量。

2.2 GSA 算法步骤

代理者初始化：所有代理者都是随机初始化的。为了确保稳定性分析的有效性，均衡的初始条件至关重要。

适应度进化：GSA 的可靠性和有效性取决于探索和研究之间的平衡。初步阶段优先搜索空间，之后则细化搜索空间。

引力常数计算：引力常数是一种涉及引力效应计算的经验物理常数，在牛顿定律和爱因斯坦的广义相对论中有所运用。

代理者质量计算：质量是空间中物质的测量。

2.3 算法伪代码

以下是 GSA 算法的伪代码：

随机生成物体系统。

判定每个物体的适应度。

更新引力常数的值，计算质量，最佳和最差物体。

计算每个坐标上的作用力。

计算物体加速度和速度。

更新物体的位置。

判定每个物体的适应度。

从第 3 步开始重复，直到满足终止条件。

3. 结构和代码概览

为了在 GSA 中描述引力相互作用系统的物体，我们定义了 S_Object 结构，包括满足物体进行引力搜索的所有必要物理属性，如坐标、速度矢量、物体质量、适应度值、欧几里得距离以及作用力矢量。

这一版本的文章改进了结构，增加了清晰的段落和标题，有助于读者更好地理解主题和算法的细节。