最近在论文中看到有学者用改进的引力搜索算法解优化问题，有一个较好的效果，于是去了解了一下这个算法。引力搜索算法(Gravitational Search Algorithm，GSA)是Esmat Rashedi等人在2009年提出的一种随机性启发式搜索算法，这种算法的灵感来自于牛顿的万有引力定律与运动定律：1.任意两个质点有通过连心线方向上的力相互吸引，该引力大小与它们质量的乘积成正比与它们距离的

变邻域搜索算法，于1997年由Hansen和Mladenovi首次提出，已经成为国内外的一个研究热点。作为一种经典的启发式算法，其在众多领域涌现了大量的研究成果。它的基本思想是在搜索过程中系统地改变邻域结构集来拓展搜索范围, 获得局部最优解, 再基于此局部最优解重新系统地改变邻域结构集拓展搜索范围找到另一个局部最优解的过程。启发式方法一般用于生成NP-hard问题的初始解，好的启发式算法不仅能较快

0-1型整数线性规划是整数线性规划中的特殊情形，它的变量????????仅 取值0或1。这时????????称为0-1变量，或称二进制变量。 解0-1型整数线性规划最直观的方法，就是枚举法，即检查变量取 值为0或1的每一种组合，比较目标函数值以求得最优解，这需要 检查变量取值的????????个组合。 对于变量个数n较大(例如n＞10)，这几乎是不可能的。 因此常设计一些方法，只检查变量取

自适应大邻域搜索算法(Adaptive Large Neighborhood Search)是由Ropke与Pisinger在2006年提出的一种启发式方法，其在邻域搜索的基础上增加了的对算子的作用效果的衡量，使算法能够自动选择好的算子对解进行破坏与修复，从而有一定几率得到更好的解。在邻域搜索算法中，有的算法可以只使用一种邻域，如模拟退火算法，因此它仅仅搜索了解空间的一小部分，找到全局最优的概率较