在实际生活中,经常遇到一些全局优化问题,为了解决全局优化问题,相继出现了许多启发式算法,目前的启发式算法大部分是模拟自然界的一些生物的群体行为或物理学原理来构造。这些启发式优化算法被广泛应用到各个领域。近年来,出现了基于万有引力定律和牛顿运动学原理构造的启发式优化算法,如,中心引力算法、引力搜索算法和电荷系统搜索算法。本文针对中心引力算法和引力搜索算法进行研究,主要工作如下:1、对中心引力优化算法的改进。在基本中心引力优化算法基础上引入速度更新公式和权重,并对该算法进行稳定性分析,通过稳定性分析确定了权重及万有引力常数两个参数的设置范围,据此,我们给出了自适应中心引力优化算法。为了验证算法的有效性,我们选取23个测试函数进行数值实验,并与其他算法相比较,数值结果表明该算法具有较好的收敛速度。2、对引力搜索算法的改进。首先把引力搜索算法的速度更新公式和位移更新公式转化为一个二阶差分方程,然后对该二阶差分方程进行分析确定引力搜索算法参数的收敛区域,并根据参数设置区域,给出一种自适应引力搜索算法,通过23个测试函数的数值实验,验证所给出算法的有效性,数值结果表明该算法具有较快的收敛速度。