帝国竞争算法的进化优化

为了改善帝国竞争算法(imperialist competitive algorithm,ICA)易早熟收敛、精度低等缺点,提出了两种基于生物进化的改进ICA算法。针对殖民地改革算子可能使势力较强的殖民地丢失,导致寻优精度降低的不足,引入了一种微分进化算子,利用殖民地之间的信息交互产生新的殖民地,在增强群体多样性的同时保留了优秀个体。另外,针对帝国之间缺乏有效的信息交互这一情况,引入了克隆进化算子,对势力较强的国家进行克隆繁殖,并经过克隆群体的高频变异和随机交叉,选择势力较强的国家取代势力较弱的国家,从而有效地引导算法向最优解方向搜索。将算法应用于6个基准函数和6个经典复合函数优化问题,并与其他ICA改进算法进行比较,结果表明,基于生物进化的ICA算法在收敛精度、收敛速度及稳定性上有显著提高。