引入距离因素的拟态物理学算法

　　在当今社会，优化问题已经存在于各个领域，这也一直是人们探讨和研究的课题。且随着科学技术及工程应用的不断发展，人们对优化技术的要求也越来越高。传统的优化方法已经不能解决这些复杂优化问题。人类通过长期对自然界各种自然现象的观察和理解，逐步向大自然学习，通过对自然规律、生命进化过程、生物智能行为的借鉴和模拟，构造的用于求解复杂问题的各种计算模型。常见的启发式算法包括模拟自然进化机制的进化计算，典型的有遗传算法，模拟生物群体智能行为的群体智能算法典型的有蚁群算法、微粒群算法，还有模拟物理化学原理的算法，典型的有模拟退火算法、类电磁算法、中心力算法、引力搜索算法和人工化学过程算法以及模拟人类内部复杂系统的算法等等。这些启发式算法中，除模拟退火算法是单点搜索算法外，其余算法都是基于种群的搜索算法，除中心力算法是确定性方法外，其余算法都是随机搜索算法。

　　拟态物理学算法是受拟态物理学启发的一种全局优化算法，是一种随机优化算法，基于牛顿万有引力定律定义了个体之间的虚拟作用力，制定了作用力规则。本文在拟态物理学算法的作用力规则的基础上，引入了一个新的参数，即个体之问的距离，并且随着个体间距离的不同，个体之间的作用力也随之变化，实验结果表明在这种新的作用力规则下算法的有效性。