萬有引力搜尋算法（Gravitational Search Algorithm，GSA）是由伊朗克曼大學的Esmat Rashedi等人于2009年所提出的一種新的啟發式優化算法，其源于對實體學中的萬有引力進行模拟産生的群體智能優化算法。萬有引力搜尋算法GSA的原理是通過将搜尋粒子看作一組在空間運作的物體，物體間通過萬有引力互相作用吸引，物體的運作遵循動力學的規律。适度值較大的粒子其慣性品質越大，是以萬有引力會促使物體們朝着品質最大的物體移動，進而逐漸逼近求出優化問題的最優解。萬有引力搜尋算法GSA具有較強的全局搜尋能力與收斂速度。随着GSA理論研究的進展，其應用也越來越廣泛，逐漸引起國内外學者的關注。但是萬有引力搜尋算法GSA與其他全局算法一樣，存在易陷入局部解，解精度不商等問題，有很多待改進之處。本章将着重向廣大程式設計愛好者介紹最基本的萬有引力算法，各程式設計科研人員可以基于本章算法加以改進并應用到實際案例中。
1 慣性品質計算
2 引力計算
3 位置更新
4 參數分析
5 萬有引力算法實作流程
版本：2014a