在當今社會，優化問題已經存在于各個領域，這也一直是人們探討和研究的課題。且隨著科學技術及工程應用的不斷發展，人們對優化技術的要求也越來越高。傳統的優化方法已經不能解決這些復雜優化問題。人類通過長期對自然界各種自然現象的觀察和理解，逐步向大自然學習，通過對自然規律、生命進化過程、生物智能行為的借鑒和模擬，構造的用于求解復雜問題的各種計算模型。常見的啟發式算法包括模擬自然進化機制的進化計算，典型的有遺傳算法，模擬生物群體智能行為的群體智能算法典型的有蟻群算法、微粒群算法，還有模擬物理化學原理的算法，典型的有模擬退火算法、類電磁算法、中心力算法、引力搜索算法和人工化學過程算法以及模擬人類內部復雜系統的算法等等。這些啟發式算法中，除模擬退火算法是單點搜索算法外，其余算法都是基于種群的搜索算法，除中心力算法是確定性方法外，其余算法都是隨機搜索算法。

　　擬態物理學算法是受擬態物理學啟發的一種全局優化算法，是一種隨機優化算法，基于牛頓萬有引力定律定義了個體之間的虛擬作用力，制定了作用力規則。本文在擬態物理學算法的作用力規則的基礎上，引入了一個新的參數，即個體之問的距離，并且隨著個體間距離的不同，個體之間的作用力也隨之變化，實驗結果表明在這種新的作用力規則下算法的有效性。