引力搜尋算法（Gravity Search Algorithm, GSA）是一種基於萬有引力定律和牛頓第二定律的種群最佳化算法，旨在通過模擬物理系統中粒子間的引力相互作用來尋找最優解。GSA中的每個粒子代表問題的一個潛在解，其位置在解空間中通過引力的作用進行移動。
GSA的基本原理包括個體（代表解空間中的候選解）、引力（代表個體之間的相互吸引力）、質量（代表個體的適應度值）和位移（代表個體在解空間中的移動）。算法通過計算個體之間的引力，並根據這些引力更新個體的位置和速度，從而實現尋找最優解的目標。
GSA的步驟如下：
初始化參數，包括種群大小、最大疊代次數、個體的位置範圍和質量範圍。
隨機生成種群中個體的位置，並計算每個個體的適應度值（質量），質量的計算方法根據問題的特點而定。
對於每一次疊代，計算個體之間的引力，引力的計算公式為\( F = G * \frac{m1 * m2}{r^2} \)，其中\( G \)是引力常數，\( m1 \)和\( m2 \)分別是兩個個體的質量，\( r \)是兩個個體之間的距離。
根據引力的方向和大小，計算個體在解空間中的位移和速度，從而更新其位置。
重複步驟3和4，直到達到最大疊代次數或滿足其他停止準則。
GSA的特點包括其簡單性、全局最佳化能力和對不同問題的適應性。它已被套用於多種最佳化問題，如函式最佳化、機器學習和控制系統設計等。