اصلاح الگوریتم جستجوی گرانشی (GSA) با اعمال جهت های گرادیان جهت بهینه سازی

در این مقاله، الگوریتم جستجوی گرانشی (GSA)، با روش گرادیان مرتبه اول و دوم تقویت شده و الگوریتم بهینه سازی جدیدی تحت عنوان GSAG معرفی شده است. در روش GSA تعدادی جهت های جستجو به صورت تصادفی انتخاب می شوند و به تدریج نقاط حاصل به سمت بهینه پیشروی می کنند. با توجه به این که جهت گرادیان معمولا بیشترین کاهش تابع مورد نظر را دارد، به روند GSA اضافه می شود تا سرعت و دقت بیشتری به همگرایی روش بدهد. با ادغام GSA به جهت های گرایان، روش قدرتمندی برای بهینه سازی توابع میسر شده است. مثال های متعددی از مسایلی که توابع ریاضی آن ها از قبل مشخص است، مطرح شده و توانایی روش اصلاح شده نشان داده شده است.