帝国竞争算法的进化优化

摘要：

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。

关键词：帝国竞争算法、早熟收敛、微分进化、克隆进化

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.71231003;the Natural Science Foundation of Fujian Province of China under Grant No.2012J01262

在线出版日期：2014-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：473-482