受春秋战国史实启发的帝国竞争改进算法

王贵林，李 斌

（福建工程学院交通运输学院，福州 350118）

（*通信作者电子邮箱whutmse2007_lb@126.com）

0 引言

Gargari 等［1］于2007 年提出了帝国竞争算法（Imperialist Competitive Algorithm，ICA），其灵感源于人类社会帝国殖民竞争机制，是一种完全受社会行为启发的群体随机优化搜索算法。该算法自提出后，已在不同领域得到广泛研究应用。例如，Bernal 等［2］探讨了ICA 在数学函数优化中的应用；陈孟辉等［3］、Liu 等［4］、张清勇等［5］分别运用ICA 求解旅行商问题、非线性约束优化问题和异构工厂分布式并行机调度问题；Fan等［6］、Khalilnejad 等［7］、颜波等［8］基于ICA，分别对起重机金属结构、风力/光伏混合电解槽和多产品供应链设计过程进行了优化；Hasanzade-Inallu 等［9］、刘敬浩等［10］将ICA 与神经网络结合，分别用于预测混凝土梁的抗剪强度、构造入侵检测模型；Illias等［11］、李明等［12］使用ICA估算微变压器参数、实现高维多目标柔性作业车间调度。原始ICA 局部搜索能力较强，收敛快，但由于群体多样性在迭代过程中降低过快、帝国之间缺乏有效的信息交互等问题，容易“早收早敛”，特别是在优化高维多模问题时，易陷入局部最优。

针对上述问题，国内外已有许多学者对ICA 的性能改进以及实际应用进行了大量的研究，也取得了一定的进展。例如，算法的提出者Gargari［13］给出了改进算法的Mathlab 源代码，调整了殖民地的权值，增加了殖民地革命和帝国合并机制；郭秀萍等［14］引入变邻域搜索，增加了种群多样性，改善了解的质量并提高了算法效率；Bahrami等［15］利用混沌映射来调整殖民地向帝国位置的运动角度；Lin等［16］用人工产生国家取代较弱的帝国主义国家，以此来增强帝国之间的信息交互；……